Oqova suvlarni tozalash jarayonini noqat’iy mantiq asosida boshqarish modelini ishlab chiqish Текст научной статьи по специальности «Техника и технологии»

UDC: 628.3(045)(575.1) EDN: https://elibrary.ru/sppkvo

OQOVA SUVLARNI TOZALASH JARAYONINI NOQAT'IY MANTIQ ASOSIDA BOSHQARISH MODELINI ISHLAB CHIQISH

Eshbobayev Jaloliddin Abdurazzaqovich

tayanch doktorant, ORCID: 0000-0003-4280-3023, e-mail: eshbobayevjalol @gmail.com

Toshkent kimyo-texnologiya instituti

Annotatsiya. Oqova suvlarni tozalash texnologiyalarini takomillashtirish, ularning energiya sarfini kamaytirish, suv tannarxini tushirish va sifatini oshirish kabi muammolarning bitta yechimi jarayonni to'g'ri boshqarish hisoblanadi. Ushbu ishda birinchi marta oqova suvlarni ion-almashinish smolalariyordamida tozalash texnologiyasi ishlab chiqilgan bo'lib, qurilma Qo'ng'irot soda zavodidagi oqova suv aralashmasini tozalash jarayonida sinovdan o'tkazilgan. Zavod hududida o'tkazilgan sinov natijalariga ko'ra, oqova suv tarkibidagi umumiy tuz miqdori 1885 mg/l dan 27,3 mg/l gacha tushirilgan. Umumiy qattiqlik esa 9,3 dan 0,27 gacha pasaytirilgan. pH miqdori 9,5 dan 7,5 gacha kamaytirilgan. Lekin 1 m3 oqova suvni tozalash uchun 1,8-2,5 kWh energiya sarflangan va bunikamaytirish talab etiladi. Mazkurmaqolada oqova suvlarni ion-almashinish smolalari orqali tozalash jarayonini noqat'iy mantiq asosida boshqarish modeli ishlab chiqilgan. Suv tarkibidagi umumiy tuzlar miqdori, pH ko'rsatkichi hamda suvning umumiy qattiqligi asosiy parametrlar hisoblanadi. Qurilmadan olingan tajriba natijalari bo'yicha belgilangan miqdorda suv sarfini nazorat qilish orqali ushbu parametrlarni noqat'iy mantiq asosida boshqarishning Matlab dasturi yordamida imitatsion modeli qurildi. Natijalar shuni ko'rsatdiki, ishlab chiqilgan modelnijarayonda qo'llab, suvdagi umumiy tuzlarkonsentratsiyasini 99 %gacha tozalikda boshqarish, rostlash vaqtini esa 20 sekundgacha kamaytirish mumkin. Rostlash vaqtini kamaytirish orqali energiya sarfini o'rtacha 1,8-2,5 kWh dan 1,2-1,8 kWh gacha oraliqda minimallashtirishga erishilgan. Kalit so'zlar: oqova suvlarni tozalash, ion-almashinish smolalari, noqat'iy mantiq, Matlab modeli.

РАЗРАБОТКА МОДЕЛИ УПРАВЛЕНИЯ ПРОЦЕССОМ ОЧИСТКИ СТОЧНЫХ ВОД НА ОСНОВЕ НЕЧЁТКОЙ ЛОГИКИ

Эшбобаев Жалолиддин Абдураззакович

базовый докторант

Ташкентский химико-технологический институт

Аннотация. Одним из решений таких проблем, как совершенствование технологий очистки сточных вод, снижение их энергоёмкости, снижение стоимости воды и повышение её качества, является правильное управление процессом. В данной работе впервые была разработана технология очистки сточных вод с использованием ионообменных смол, а также испытано устройство процесса очистки смеси сточных вод на Кунградском содовом заводе. По результатам проведённых на заводе испытаний общее количество солей в сточных водах снизилось с 1885 до 27,3 мг/л. Тотальный хард уменьшен с 9,3 до 0,27, рН снижена с 9,5 до 7,5. Но расход электроэнергии на очистку 1 м3 сточных вод составил 1,8-2,5 кВтч, поэтому необходимо его снизить. В данной статье разработана модель управления процессом очистки сточных вод с использованием ионообменных смол, основанная на недетерминированной логике. Основными параметрами являются количество общих солей в воде, показатель рН и общая жёсткость воды. На основе экспериментальных результатов, полученных на приборе, посредством программы Ма^аЬ была построена имитационная модель управления этими параметрами на основе нечёткой логики. Результаты показывают, что с помощью разработанной модели можно контролировать концентрацию общих солей в воде чистотой до 99 %, а время регулировки

H^TH6ocnHK^HTHpoBaHHe/ritation: Eshbobaev, J. (2024). Development of a control model of wastewater treatment 72 process based on a fuzzy inference system (In Uzbek). Science and Innovative Development, 7(2), 72-82.

можно сократить до 20 секунд. Минимизация энергопотребления в среднем с 1,8-2,5 до 1,2-1,8 кВтч достигнута за счёт сокращения времени регулировки. Ключевые слова: очистка сточных вод, ионообменные смолы, нечёткая логика, моделирование в Ма^аЬ.

DEVELOPMENT OF A CONTROL MODEL OF WASTEWATER TREATMENT PROCESS BASED ON A FUZZY INFERENCE SYSTEM

Basic Doctoral Student

Tashkent Institute of Chemical Technology

Kelib tushgan/ Получено/ Received: 20.02.2024

Цабул цилинган/

Принято/Accepted:

15.03.2024

Нашр этилган/ Опубликовано/ Published: 22.04.2024

Eshbobaev Jaloliddin Abdurazzaqovich

Abstract. Proper process control practice can be regarded as one of effective solutions to such problems as improving wastewater treatment technologies, reducing energy consumption as well as lowering the cost of water and increasing its quality. As a result of this work, wastewater treatment technology using ionexchange resins has been developed, and the device - tested in the process of treating the wastewater mixture at the Kungrad soda factory. According to the results of the tests taken place at the factory, the total dissolved solids in the waste water decreased from 1885 mg/l to 27.3 mg/l. Overall hardness reduced from 9.3 to 0.27. The pH went down from 9.5 to 7.5. However, the energy consumption parameters went up to 2.5 from 1.8 kWh for purifying 1 m3 of wastewater, that needs to be reduced. This article reviews development of a model for controlling the process of wastewater treatment using ion-exchange resins based on fuzzy logic. The main parameters are the total dissolved solids in the water, the pH indicator, and the total hardness of the water. Based on the experimental findings retrieved from the device, a simulation model of control on these parameters based on fuzzy logic was built using the Matlab software. Findings show that the developed model enables control on concentrations of total salts in water with purity up to 99 %, as well as reduction of settling time to 20 seconds. Minimization of energy consumption from an average of 1.8-2.5 kWh to 1.2-1.8 kWh was achieved by reducing the adjustment time.

Keywords: wastewater treatment, ion-exchange resins, fuzzy logic, Matlab modelling.

Kirish

Bugungi kunda chuchuk suv muammosi butun dunyoni tashvishga solayotgan dolzarb masalalardan biridir. Olimlar tomonidan sho'r suvlarni tozalash va ishlatilgan suvlarni qayta ishlash ichimlik suvi inqirozining yechimi sifatida qaralmoqda. Yer yuzining deyarli to'rtdan uch qismi suv bilan qoplanganligiga qaramay, shundan atigi 2,5 %gina chuchuk suv hisoblanadi. Mavjud chuchuk suvning barchasidan inson foydalanish imkoniyatiga ega emas, chunki ichimlik suvining bir qismi abadiy muzliklar va yetib bo'lmas daryolar hamda yer osti suvlaridan iborat. Tadqiqotlar shuni ko'rsatadiki, yer yuzida mavjud suv manbasining 0,7 % miqdoridan inson foydalana oladi, xolos. Bugungi kunga kelib, dunyo aholisi soni oshib borishi, sanoatning rivojlanishi, iqlim o'zgarishi kabi omillar sabab ichimlik suviga bo'lgan talab keskin oshmoqda. Olimlarning bashorat qilishiga ko'ra, 2030-yilga kelib, inson iste'moli uchun talab etiladigan ichimlik suvining 60 %igina mavjud bo'ladi (Ayaz et al., 2022; Darre & Toor, 2018)

Deyarli 1,4 mlrd kub kilometr suv har xil shaklda dunyoning turli qismlarida tarqalgan. Bu suv manbasining asosiy qismi (1,35 mlrd kub kilometr) okean va dengiz suvlari, qolgan 2,5 % esa chuchuk suv manbayidir. Shu bilan birga, umumiy chuchuk suvning katta qismini (umumiy chuchuk suvning taxminan 69 %) muzliklar va chuqur yer osti suvlari tashkil qiladi. Inson jami chuchuk suvning atigi 31 %dan foydalana oladi. Suvning dunyo miqyosida taqsimlanishini quyidagi jadvaldan ko'rishimiz mumkin (Gleick & Cooley, 2009).

Jadval

Umumiy mavjud suvning dunyo bo'yicha taqsimlanishi*

Dunyo suvining turlari Suv hajmi, kub kilometrlarda (km3) Dunyo suviga nisbatan ulushi (%)

Barcha mavjud suvlar 1386 000 000 100

Dunyo okean va dengiz suvlari 1337 000 000 96,5

Umumiy chuchuk suv 34 500 000 2,5

Yerosti sho'r suvlari 12 500 000 0,92

Boshqalar 2 000 000 0,08

Toza suv turlari Suv hajmi, kub kilometrlarda Umumiy chuchuk suvga nisbatan ulushi (%)

Umumiy chuchuk suv 34 500 000 100

Antarktika muzliklari 21300 000 61,7

Yer osti chuchuk suvlari 10 400 000 30,1

Grenlandiya muzliklari 2 300 000 6,7

Abadiy muzliklar 300 000 0,86

Chuchuk ko'l va daryolar 93 000 0,27

Arktika muz orollari 83 000 0,24

Tog' muzliklari 41000 0,12

Boshqalar 13 000 0,04

*(Eshbobaev et al., 2023).

Chuchuk suv muammosi tufayli butun dunyo olimlari ichimlik suvining barqaror manbalarini uzoq muddatli ta'minlash uchun yangi yondashuvlarni izlamoqda va o'rganmoqda. Dengiz suvi, umuman, sho'r suvni tuzsizlantirish yoki chiqindi suvlarni qayta ishlash chuchuk suv ta'minotini yaxshilash imkoniyatlari orasida eng katta e'tiborga sazovor usul hisoblanmoqda hamda ko'pchilik maishiy va kommunal ehtiyojlarning amaliy yechimi sifatida tobora ko'proq qabul qilinmoqda (Kamolov et al., 2023). Mamlakatimizda ham umumiy iste'mol qilinadigan yillik chuchuk suvning 1,5 % sanoat oqova suvlari hissasiga to'g'ri keladi. Fabrikalardan chiqayotgan oqova suvlarni chuqur qayta ishlash orqali chuchuk suvni tejashga katta hissa qo'shish mumkin.

Suvni tozalash jarayoni sho'r suv yoki chiqindi suvlardan ortiqcha tuz va boshqa erigan birikmalarni ushlab qolish jarayoniga aytiladi (Jones et al., 2019). Sho'r yoki oqova suvlarni tozalash orqali tarkibidagi erigan qattiq minerallar, tuzlar miqdori 500 ppm gacha bo'lsa, iste'molga yaroqli hisoblanadi. Bu Jahon sog'liqni saqlash tashkiloti tomonidan ichimlik suvi uchun tavsiya etilgan eng yuqori miqdordir (Ghazi et al., 2022). Suv tarkibidagi umumiy erigan tuzlar miqdori (Total Dissolved Solids)ga qarab, tozalanadigan suv, asosan, 6 turga bo'linadi: toza suv (< 500 ppm TDS), daryo suvi (500-3000 ppm TDS), sho'r suv (3000-20000 ppm TDS), dengiz suvi (20000-50000 ppm TDS), chiqindi sho'r suv (> 50000 ppm TDS).

Bugungi kunda jahonda taxminan jami 115 mln m3/sutka chiqindi yoki dengiz suvi qayta ishlanadi (Arias et al., 2011; Sharon & Reddy, 2015). 150 dan ortiq turli mamlakatlarda joylashgan suv tozalash inshootlari dunyo bo'yicha 300 mlndan ortiq kishini chuchuk suv bilan ta'minlaydi. 2050-yilga kelib, suv tozalash quvvati kuniga qariyb 200 mln m3 ga yetishi kutilmoqda. Shuning uchun sho'r va chiqindi suvlarni qayta ishlash texnologiyalari insoniyatning barqaror rivojlanishi uchun zarurdir (Dhakal et al., 2022; Ihsanullah et al., 2021; Elsaid et al., 2020).

Hozirgi vaqtda dunyoning aksariyat mamlakatlarida turli xil suv tozalash texnolo-giyalaridan foydalanilmoqda. Ilmiy-texnik taraqqiyot darajasi va bozorda mavjudligiga

qarab, suv tozalash usullari (texnologiyalari) quyidagi ikki turga bo'linadi (Curto et al., 2021):

1) an'anaviy;

2) rivojlanayotgan.

An'anaviy suv tozalash texnologiyalari, asosan, Ko'p bosqichli bug'latish (MSF), Ko'p effektli distillash (MED), Bug'ni siqish (VC), Nanofiltrlash (NF) va Teskari osmos (RO) qurilmalaridan iborat bo'lsa, rivojlanayotgan suv tozalash texnologiyalari Membranani distillash (MD), elektrodializ/teskari elektrodializ (ED/EDR), Sig'imli deionizatsiya (CDI), Forward osmos (FO), namsizlantirish (DH), Mikrobiologik tuzsizlantirish hujayrasi (MDC), Quyosh energiyasi bilan distillash (SSD), Ion-almashinuvchi smolalar (IXR), Didratsiyalash (HY), Ikkilamchi sovitkichli muzlatish (SRF) va boshqalar (Saavedra et al., 2021) hisoblanadi. Jahonda hozirda tijoratlashgan va hali tijoratlashmagan suv tozalash texnologiyalari 1-rasmda ko'rsatilgan.

Suv tozalash texnologiyalari

_!_____1__

Ç An'anaviy ^ Rivojlanayotgan J

Ko'p effektli distillash (Multi-effect distillation. MED) | Mikroblal tuzsizlantirish hujayrasi (Microbial desalination cell. MDC)

X

Ko'p bosqichli distillash (Multi-stage-flash. MSF)

X

Namlash/Namsizlantirish (Humidification/Dehumidification. HDH)

31

Siqish orqall bug'latish (Vapor compression. VC) | Siglmli ionsizlantirish (Capacitive deionlzation. CDI)

31

Teskari osmos (Reverse osmosis. RO)

i

Nanofiltrlash (Nanofiitiration. NF

i)

HI

lon-almashinish smolalarl (Ion-exchange resin. IXR)

i

Membranaii distillash (Membrane distillation. MD)

I

Quyoshli distillash (Solar still distillation. SSD)

I

Tug'rl osmos (Forward osmosis. FO)

I

Elektrodializ (Electrodialysis. ED)

i

Gidratsiyalash (Hydration. HD)

1-rasm. Suv tozalash texnologiyalari turlari

Oqova suvlarni avtomatik boshqarish orqali jarayonning optimal ishlashini ta'minlash bo'yicha ilm-fanda ko'plab tadqiqotlar o'tkazilgan. (Qiao et al., 2018) tomonidan olib borilgan ishda oqova suvlarni biologik usulda tozalash jarayonini adaptiv noqat'iy-neyron usulida boshqarish qonuni taklif etilgan. Taklif etilgan boshqaruv tizimi adaptiv ko'p maqsadli differensial baholash algoritmiga ega optimallashtirish modeli va adaptiv noqat'iy-neyron tarmog'iga ega boshqarish modelidan iborat.

Ishlab chiqilgan model orqali oqova suv tarkibidagi erigan kislorod konsentratsiyasi va azot nitrat konsentratsiyalarining optimal rostlash qiymatlari topilgan. Adaptiv noqat'iy-neyron boshqarish tizimi boshqa an'anaviy (PID) boshqarish usullari bilan solishtirilgan. I.Santin, C.Pedret va R.Vilanovalar (2015) tomonidan olib borilgan tadqiqot ishida ham yuqoridagi kabi oqova suvlarni biologik usulda tozalash jarayonida umumiy azot konsentratsiyasi, suvdagi erigan kislorod konsentratsiyasi, ammiakli azot konsentratsiyasi kabi parametrlarni boshqarish tizimi algoritmi taklif etilgan.

Ushbu ishda konsentratsiyaning eng past miqdorini bashoratli boshqarish modeli, eng yuqori qiymatini esa noqat'iy mantiq usuli orqali boshqarish ko'rsatilgan. Noqat'iy mantiq kontrolleri modelini ishlab chiqishda Tagaki-Sugeno usulidan foydalanilgan. Bashoratli boshqarish modeli va noqat'iy mantiq modellarining kombinatsiyalangan boshqarish tizimi orqali nafaqat oqova suvlar sifatini oshirish, balki qurilmaning eksplutatsiya xarajatlarini kamaytirish va ikkalasi orasidagi optimal qiymatni topish usuli keltirilgan.

Yuqorida aytilganidek, oqova suvlarni tozalash jarayonini intellektual boshqarish bo'yicha ko'plab ishlar olib borilgan bo'lsa-da, aynan sanoat oqova suvlarini ion-almashinish smolalari orqali tozalash jarayonini neyro noqat'iy mantiq asosida boshqarish tizimini ishlab chiqish hamda bu orqali jarayonning energiya sarfini kamaytirish bo'yicha tadqiqotlar deyarli olib borilmagan.

Mazkur maqolada oqova suvlarni ion-almashinish smolalari yordamida tozalash qurilmasidan olingan natijalar bo'yicha jarayonning noqat'iy mantiq asosida boshqarish tizimining modeli ishlab chiqildi.

Material va metodlar

Mazkur tadqiqotda Qo'ng'irot soda zavodidan chiqayotgan sanoat oqova suvlari aralashmasi tanlab olindi va yuqorida ta'kidlanganidek, oqova suv tarkibi tahlil qilindi. Suv tarkibiga mos bo'lgan ion-almashinish smolasi tanlandi. Kationit sifatida KU-2-8, anionit sifatida esa AN-31 ionitlari olindi. Kerakli ion-almashinish smolasi tanlangandan so'ng dastlab ushbu suvni tozalash texnologiyasining modeli ishlab chiqildi. Qurilma modeli ishlab chiqilgandan so'ng suv tozalash darajasini sinovdan o'tkazish maqsadida ion-almashinish smolalari orqali suv tozalash qurilmasining sinov laboratoriya prototipi yasaldi (Eshbobaev et al., 2023). Bu qurilma soatiga 15 litr oqova suvni tozalash uchun mo'ljallangan. U birlamchi tozalash uchun mo'ljallangan 5 mikronli filtr (Big Blue 5 Micron Pleated Sediment Whole House Water Filter), elektr nasos (24V Truck man 1501015, 75.3780-01), ikkita quyosh paneli (30 Vt 12 V monokristal quyosh paneli bilan jihozlangan), nasos va akkumulyatorni quvvatlantirish uchun ikkita Delkor 35 Ah, 12 V, quyosh zaryadi regulyatori (30A, 24 V), suvni saqlash va smolalarni regeneratsiya qilish uchun 4 ta idish, ikkita KU-2-8 kation almashinadigan smola filtri, ikkita AH-31 anion almashinuvi filtri va birlashtiruvchi plastik quvurlar hamda klapanlardan iborat (2-rasm).

2-rasm. Oqova suvlarni ion-almashinish smolalari yordamida tozalash uchun ishlab chiqilgan

sinov laboratoriya qurilmasi

Oqova suv aralashmasini qurilmadan o'tkazishdan oldin suvning tarkibi tahlil qilindi va quyidagi natijalarga erishildi. Suvda ko'p miqdorda kalsiy (4,4 mEq/l), magniy (4,6 mEq/l), xloridlar (553 mg/l), sulfatlar (827 mg/l), tuzlar (1885 mg /l) mavjud, shuningdek, umumiy qattiqlik 9,3 mEq/l va vodorod indeksi 9,2 pH ni tashkil qildi. Oqova suv aralashmasidan 60 litr suv soatiga 10 litr tezlikda qurilmadan o'tkazildi va ushbu natijalarga erishildi: kalsiy 0,27 mEq/l, magniy mavjud emas, xloridlar 16,5 mg/l, sulfatlar 10,6 mg/l, umumiy tuzlar miqdori 27,3 mg/l, shuningdek, yuqori umumiy qattiqlik 0,27 mEq/l va vodorod indeksi 7,5 pH. Natijalar oqova suvdagi jami erigan qattiq moddalar 1885 mg/l dan 27,3 mg/l gacha (99 %) tozalanganligini ko'rsatdi. Olingan natijalar zavod tomonidan belgilangan texnik talablarga to'liq mos keladi.

Ushbu jarayonda eng asosiy parametr suvdagi umumiy tuz miqdori hisoblandi. Texnologik reglamentga ko'ra, ushbu ishda umumiy tuz miqdorini 1885 mg/l dan 27 mg/l gacha tushirib, shu qiymatda avtomatik rostlash talab etiladi.

Oqova suvlarni ion-almashinish usulida tozalash jarayoni ham murakkab va ko'p sig'imli dinamik jarayon hisoblanadi. Shuning uchun bunday jarayonlarni boshqarishda lokal (an'anaviy) boshqarish usullarini qo'llash doim ham kutilgan samara beravermaydi (Yalaletdinova et al., 2024). Ko'p sig'imli, nochiziqli jarayon yoki obyektlarni boshqarishda hozirgi kunda neyron to'rlari modeli yoki noqat'iy mantiq asosida boshqarish tizimlaridan keng foydalanilmoqda. Chunki bunday intellektual usulda boshqarish noaniqlik sharoitida va ma'lumotlar yetarli bo'lmaganda, jarayonlarni optimal boshqarish imkoniyatini beradi (Chiro§ca et al., 2011; Ming, 2017).

Noaniq mantiq asosida boshqarish (Fuzzy inference system) - bu sun'iy intellektga asoslangan boshqaruv tizimlaridan biri bo'lib, jarayonlarni boshqarish asosida inson kabi fikrlashdan foydalanish yotadi (Al-Khuzaie & Abdul Maulud, 2023). Noaniq mantiqiy kontrollerlarini hatto murakkab tizimlar uchun ham qo'llash mumkin va bu murakkab emas, chunki u ekspert bilimi va tajribasiga asoslanadi. Boshqariladigan tizimning matematik modelini topish shart emas. Bunday boshqaruvda "agar" va u "holda" kabi qoidalar asosiy rol o'ynaydi (Nour et al., 2018).

Agar B, C kabi bo'lsa, u holda D, E kabi bo'lsin.

Misol uchun, agar xona qorong'i bo'lsa, u holda chiroq yoqilsin, ya'ni shu singari har bir jarayon bor ma'lumotlardan foydalanib, tizimni mantiqiy boshqarishga asoslanadi. Noaniq mantiq asosida boshqarish tizimining strukturaviy sxemasi quyidagi ko'rinishda bo'ladi (3-rasm) (Qiao et al., 2018).

3-rasm. Noaniq mantiqiy boshqarish kontrollerining strukturaviy sxemasi

Mazkur tadqiqot ishida ishlab chiqilgan oqova suvlarni ion-almashinish smolalari yordamida tozalash qurilmasi sinov natijalari asosida Qo'ng'irot soda zavodidagi oqova suv aralashmasi tarkibidagi umumiy tuz miqdori 1885 mg/l dan 27 mg/l gacha tushirilgan. Texnologik reglamentga ko'ra, suv tarkibidagi umumiy tuz miqdorini shu konsentratsiyada avtomatik rostlash va nazorat qilish talab etiladi. Bu jarayon nochiziqli va ko'p sig'imli

bo'lganligi uchun an'anaviy rostlash tizimlari yordamida boshqarish samarasi kamroq hisoblanadi. Shu nuqtayi nazardan kelib chiqib, umumiy tuz miqdorini noqat'iy mantiq asosida boshqarish talab etiladi va bu ishda ushbu jarayonning modeli ishlab chiqilgan.

Dastlab ushbu suvdagi umumiy tuz miqdorini tajribada olingan miqdor bo'yicha 27 mg/l deb olib, shu qiymatda rostlash talabi qo'yildi. So'ngra bu qiymatni noqat'iy mantiq asosida boshqarish uchun uning qoidalar to'plami aniqlandi. Bunda umumiy tuz miqdorini (UTM) 5 ta tegishlilik funksiyalari bilan belgilab oldik (yaxshi, yaxshiroq, o'rtacha, qoniqarli, qoniqarsiz). Chiqish parametri sifatida esa suvning sarfini rostlaydigan servo (SeK) va solenoid klapanlar (SoK) olindi. Qoidalar to'plami quyidagicha ko'rinishda bo'ldi:

agar UTM yaxshi bo'lsa, u holda SeK to'liq ochiq va SoK to'liq yopiq bo'lsin; agar UTM yaxshiroq bo'lsa, u holda SeK ozroq yopiq va SoK to'liq yopiq bo'lsin; agar UTM o'rtacha bo'lsa, u holda SeK yarim ochiq va SoK to'liq yopiq bo'lsin; agar UTM qoniqarli bo'sa, u holda SeK ozroq ochiq va SoK to'liq yopiq bo'lsin; agar UTM qoniqarsiz bo'lsa, u holda SeK to'liq yopiq va SoK to'liq ochiq bo'lsin. Jarayonning tegishlilik funksiyalari va qoidalar to'plami aniqlab olingandan so'ng Matlab dasturining Fuzzy Inference System bloki orqali suvdagi umumiy tuz moqdorini boshqarish modeli shakllantirildi.

Bundan tashqari, oqova suvlarni ion-almashinish smolalari yordamida tozalash jarayoni modelini Aspen Plus dasturi orqali ham shakllantirish mumkin. Bunda dastlab jarayonning statik modeli qurib olinadi, so'ngra statik model yordamida dinamik model ishlab chiqiladi. Jarayonning statik modelini qurish birmuncha murakkab jarayon bo'lganligi uchun dinamik model orqali avtomatik boshqarish tizimi shakllantirilganda, ma'lumotlar aniq bo'lishi talab etiladi. Matlab dasturida esa statistik ma'lumotlar talab etilmaydi. Boshqarish modelini tajriba natijalaridan olingan ma'lumotlar bo'yicha hamda noqat'iy mantiq asosida ma'lumotlar noaniqligi hamda yetarlicha bo'lmaganda ham ishlab chiqish mumkin. Tadqiqot natijalari

Qoidalar to'plami shakllantirib olingandan so'ng ushbu qoidalar Matlab dasturi orqali noqat'iy mantiqiy modeli - Tagaki-Sugeno usulida qurildi. Bunda umumiy tuz miqdori kirish parametrli servo va solenoid klapanlarining ochilish darajalari chiqish parametrlari sifatida olindi (4-rasm).

4-rasm. Tagaki-Sugeno usulida jarayonning noqat'iy mantiq modeli

Yuqoridagi model shakllantirib olingandan so'ng kirish-chiqish parametrlarining tegishlilik funksiyalari va ularning mos qiymatlari yozib chiqildi. UMT miqdorining tegishlilik funksiyalari 5 ta funksiyadan iborat bo'ldi. Tegishlilik funksiyasi dasturga kiritilganda, model avtomatik ravishda qiymat oraliqlarini hisoblab berdi. Bunda tegishlilik funksiyasi Yaxshi = 5 mg/l dan past, Yaxshiroq = 0-13 mg/l interval, 0'rtacha = 7-20 mg/l interval, Qoniqarli= 14-27 mg/l interval va Qoniqarsiz = 20 dan yuqori bo'lgan qiymatlarni chiqardi. Chiqish parametrlarining tegishlilik funksiyalarini ham servo klapan uchun 5 ta, solenoid klapan uchun 2 ta etib belgilab oldik. Servo klapan uchun To'liq0chiq = 10, OzroqYopiq = 8, YarimOchiq = 5, OzroqOchiq = 2 va To'liqYopiq = 0 qiymatlar qabul qiladi. Solenoid klapanlar ishlash prinsipiga ko'ra yoki to'liq ochiladi, yoki to'liq yopiq holatda bo'ladi, ya'ni To'liqOchiq = 1, To'liqYopiq =0 bo'ladi (5-rasm).

Current Variable Name UmumlyTuzMiqdori Type input Current Membership Function (click on MP to select)

Name Ysïshi

Type trimf

Params [-6.75 0 6.75]

range H[0 27]

Display Range jq 27] Help Close

Ready

5-rasm. Kirish-chiqish parametrlarining tegishlilik funksiyalari bloki

Tegishlilik funksiyalari aniqlab olingandan so'ng modelning xulosa chiqarish (Inference engine) qismiga qoidalar to'plami kiritildi (6-rasm).

6-rasm. Tegishlilik funksiyalari yordamida qoidalar to'plamini shakllantirish bloki

Ishlab chiqilgan noqat'iy mantiq asosida boshqarish modelining natijalari olindi. Bunda umumiy tuz miqdori 13,5 mg/l bo'lganda, servo klapanning ochilganlik darajasi 5 ni, solenoid klapan esa yopiq holatda turishini ko'rsatdi. Umuman olganda, suvdagi umumiy tuz miqdori qiymatini o'zgartirsak, klapanlarning ochilish darajasi ham o'zgarib boraveradi. Misol uchun, umumiy tuz miqdorini 22,2 qiymatga o'zgartirsak, servo klapan ochilish darajasi 1,43 ni ko'rsatdi, solenoid klapan esa yopiqligicha qoldi (7-rasm).

Bundan tashqari, 8-rasmda umumiy tuz miqdori o'zgarishining klapanlar ochilish darajasiga mos keladigan grafigi ham qurildi. Qoidalar to'plami va grafikdan olingan natijalar bir-biriga mos keladi.

Ushbu ishda oqova suvlarni ion-almashinish smolalari orqali tozalash jarayonidagi bitta parametr, ya'ni suv tarkibidagi umumiy tuz miqdorini boshqarish modeli natijalari tahlil qilindi.

UmumryTuzNqdori -13.5

27

ServoKlapan - 5

-0 1

SolinoidKalpan - 0

□ a

1.1 -0.1

1.1

ln>wt:§13.5 Plot pants: MWK ien 1 right | dawn | up |

Opened system NaqatiyMantiq, S rules Help J ■ Close

7-rasm. Qoidalar to'plamiga ko'ra, kirish-chiqish parametrlarining bog'liqligi

10

e

я В %

2

о >

t 4

(л

2 О

0 5 10 15 20 25 30

UmuirayTuzMiqdQN

8-rasm. Umumiy tuz miqdorining klapanlar ochilish darajasiga moslik grafigi

Mazkur maqolada oqova suvlarni ion-almashinish smolalari yordamida tozalash jarayonini avtomatik boshqarish tizimining imitatsion modeli ko'rib chiqilgan bo'lib, jarayonning modeli noqat'iy mantiq asosida boshqarish tizimiga asoslangan. Jarayonlarni avtomatik boshqarish tizimining bir nechta usullari mavjud bo'lib, bulardan eng keng qo'llaniladigani An'anaviy (Proporsional Integral Differensial rostlash qouni) hamda Intellektual, ya'ni noqat'iy mantiq asosida boshqarish usullari hisoblanadi.

Proporsional Integral Differensial (PID) boshqarish usulida jarayonni faqat aniq raqamlar orqali rostlash mumkin, ya'ni aniq ma'lumotlar talab qilinadi. Noqat'iy mantiq asosida boshqarishda esa ma'lumotlar noaniq bo'lganda yoki yetarlicha bo'lmaganda ham boshqarish imkonini beradi. PID boshqarish qonuni orqali rostlanganda, statik xatolik vujudga keladi. Bu esa rostlash vaqtining ortib ketishiga olib keladi. Rostlash vaqtining ortishi jarayonni sifatsiz boshqarish hamda energiya sarfining ortib ketishiga sabab bo'ladi. Noqat'iy mantiq asosida boshqarish usulida esa rostlash vaqtini kamaytirish orqali energiya sarfini minimallashtrish mumkin. Jarayon ushbu ishlab chiqilgan model orqali boshqarilsa, rostlash vaqtini an'anaviy usulga nisbatan 20 sekundgacha kamaytirishga erishiladi.

Xulosalar

Mazkur tadqiqot ishida oqova suvlarni ion-almashinuvchan smolalar yordamida tozalash jarayonini takomillashtirish hamda jarayonni avtomatik boshqarish uchun noqat'iy mantiq asosida boshqarish tizimining modeli ishlab chiqilgan. Dastlab sanoat oqova suvlarini ion-almashinish smolalari orqali tozalash texnologiyasining sinov laboratoriya qurilmasi ishlab chiqildi. Qurilma Qo'ng'irot soda zavodidan chiqayotgan oqova suvlarni tozalashda sinovdan o'tkazildi. Sinov natijalariga ko'ra, oqova suv tarkibidagi asosiy komponentlar hisoblangan umumiy tuz miqdori 1885 mg/l dan 27,3 mg/l gacha tushirildi. Qurilmadan olingan tajriba natijalari va ma'lumotlarga asoslanib, uchbu jarayonni noqat'iy mantiq asosida boshqarish tizimining modeli ishlab chiqildi. Ushbu imitatsion model Matlab dasturi orqali shakllantirildi. Modellashtirish natijalariga ko'ra, oqova suvlarni ion-almashinish smolalari yordamida tozalash jarayoni noqat'iy mantiqiy kontrollerlar orqali boshqarilganda, rostlash vaqtini kamaytirishga erishiladi.

Ushbu tadqiqotda suv tarkibidagi umumiy tuz miqdori berilgan qiymatda avtomatik boshqarish uchun rostlash vaqtini 20 sekundgacha kamaytirishga erishilgan. Rostlash vaqtini kamaytirish orqali energiya sarfini 10 %gacha pasaytirish mumkin.

REFERENCES

1. Al-Khuzaie, M.M., & Abdul Maulud, K.N. (2023). Optimization pollutants removals from wastewater treatment plant using artificial neural networks. IOP Conference Series: Earth and Environmental Science, 1167 (1), 012053. doi:10.1088/1755-1315/1167/1/012053

2. Arias, M.F.C., Bru, L.V.I., Rico, D.P., & Galvan, P.V. (2011). Comparison of ion exchange resins used in reduction of boron in desalinated water for human consumption. Desalination, 278(1-3), 244-249. doi:10.1016/j.desal.2011.05.030

3. Ayaz, M., Namazi, M. A., Din, M. A. U., Ershath, M. I. M., Mansour, A., & Aggoune, el-H. M. (2022). Sustainable seawater desalination: Current status, environmental implications and future expectations. Desalination, 540, 116022. doi:10.1016/j.desal.2022.116022

4. Chiro^ca, A., Dumitra^cu, G., Barbu, M., & Caraman, S. (2011). Fuzzy Control of a Wastewater Treatment Process. In J. Watada, G. Phillips-Wren, L.C. Jain, & R. J. Howlett (Eds.), Intelligent Decision Technologies (Vol. 10, pp. 155-163). Springer Berlin Heidelberg. doi:10.1007/978-3-642-22194-1_16

5. Curto, D., Franzitta, V., & Guercio, A. (2021). A review of the water desalination technologies. Applied Sciences, 11 (2), 670. doi:org/10.3390/app11020670

6. Darre, N. C., & Toor, G. S. (2018). Desalination of water: a review. Current Pollution Reports, 4 (2), 104-111. doi:10.1007/s40726-018-0085-9

7. Dhakal, N., Salinas-Rodriguez, S. G., Hamdani, J., Abushaban, M., Sawalha, H., Schippers, J., & Kennedy, M. (2022). Is Desalination a Solution to Freshwater Scarcity in Developing Countries? Membranes, 12, 381. doi:10.3390/membranes12040381

8. Elsaid, K., Kamil, M., Sayed, E. T., Abdelkareem, M. A., Wilberforce, T., & Olabi, A. (2020). Environmental impact of desalination technologies: A review. Science of The Total Environment, 748, 141528. doi:10.1016/j. scitotenv.2020.141528

9. Eshbobaev, J.A., Khamidov, B. T., Norkobilov, A. T., & Kodirov, O. S. (2023). Development of the computer model of the waste water treatment process using ion-exchange resins in the Matlab program. Chemical Technology, Control and Management, 4, 63-69. doi:10.59048/2181-1105.1484

10. Eshbobaev, J., Norkobilov, A., Turakulov, Z., Khamidov, B., & Kodirov, O. (2023). Field trial of solar-powered ion-exchange resin for the industrial wastewater treatment process. ECP 2023, 47. doi:10.3390/ ECP2023-14626

11. Ghazi, Z.M., Rizvi, S.W.F., Shahid, W.M., Abdulhameed, A.M., Saleem, H., & Zaidi, S.J. (2022). An overview of water desalination systems integrated with renewable energy sources. Desalination, 542, 116063. doi:10.1016/j.desal.2022.116063

12. Gleick, P.H., & Cooley, H. (2009). The World's Water 2008-2009: The Biennial Report on Freshwater Resources. Island Press.

13. Ihsanullah, I., Atieh, M. A., Sajid, M., & Nazal, M.K. (2021). Desalination and environment: A critical analysis of impacts, mitigation strategies, and greener desalination technologies. Science of The Total Environment, 780, 146585. doi:10.1016/j.scitotenv.2021.146585

14. Jones, E., Qadir, M., Van Vliet, M.T.H., Smakhtin, V., & Kang, S. (2019). The state of desalination and brine production: a global outlook. Science of The Total Environment, 657, 1343-1356. doi:10.1016/j. scitotenv.2018.12.076

15. Kamolov, A., Turakulov, Z., Norkobilov, A., Variny, M., & Fallanza, M. (2023). Decarbonization challenges and opportunities of power sector in Uzbekistan: a simulation of turakurgan natural gas-fired combined cycle power Plant with exhaust gas recirculation. Engineering Proceedings, 37(1), Article 1. doi:10.3390/ECP2023-14648

16. Ming, C. C. (2017). Evaluation, modelling and control of ultrafiltration membrane water treatment systems.

17. Nour, M., Said, S. M., Ramadan, H., Ali, A., & Farkas, C. (2018). Control of Electric Vehicles Charging Without Communication Infrastructure. 2018 Twentieth International Middle East Power Systems Conference (MEPCON), 773-778. doi:10.1109/MEPC0N.2018.8635277

18. Qiao, J.-F., Hou, Y., Zhang, L., & Han, H.-G. (2018). Adaptive fuzzy neural network control of wastewater treatment process with multiobjective operation. Neurocomputing, 275, 383-393. doi:10.1016/j. neucom.2017.08.059

19. Saavedra, A., Valdés, H., Mahn, A., & Acosta, O. (2021). Comparative analysis of conventional and emerging technologies for seawater desalination: northern chile as a case study. Membranes, 11 (3), 180. doi:10.3390/membranes11030180

20. Santín, I., Pedret, C., & Vilanova, R. (2015). Fuzzy control and model predictive control configurations for effluent violations removal in wastewater treatment plants. Industrial & Engineering Chemistry Research, 54 (10), 2763-2775. doi:10.1021/ie504079q

21. Sharon, H., & Reddy, K. S. (2015). A review of solar energy driven desalination technologies. Renewable and Sustainable Energy Reviews, 41, 1080-1118. doi:10.1016/j.rser.2014.09.002

22. Yalaletdinova, A., Malkova, M., Vozhdaeva, M., Serebryakov, P., Kantor, O., & Kantor, E. (2024). Prediction of optimal coagulant and flocculant dosage for water treatment at surface water intake. E3S Web of Conferences, 480, 02009. doi:10.1051/e3sconf/202448002009