【摘要】：膜生物反應器(Membrane Bioreactor,MBR)是一種新型污水處理工藝,具有傳統(tǒng)污泥處理技術和膜分離技術兩者的優(yōu)點,包括出水質量好、節(jié)約占地面積、操作靈活、管理方便等。目前已廣泛應用在城市污水處理的過程中。然而在應用MBR處理污水的過程中,膜污染是一個不能忽視的問題。膜污染會造成污水處理效果的下降以及生產能耗和使用費用的上升,這些都嚴重影響了MBR的進一步大規(guī)模應用。減少膜污染危害的有效方法是在準確預測膜污染狀況的基礎上,在出水水質發(fā)生惡化之前,能夠提早提出預報警,提示水廠工作人員采取相應措施。然而,目前國內外缺乏對膜污染預警方法理論的研究。針對這個問題,本文在深入了解膜污染機制的基礎上,獲取了膜污染相關性關鍵變量,建立了膜污染預測模型,研究了膜污染等級的評價方法,完成了膜污染智能預警系統(tǒng)的設計開發(fā),實現了膜污染的在線智能預警。該論文的研究工作包括以下幾個方面:1.膜污染相關性變量獲取;在膜污水處理廠的實際運行中,通常以膜透水率的大小表征膜的污染狀況;文中基于MBR處理污水過程的特點和采集的歷史數據,分析膜透水率與其它過程參數的關系,利用機理分析及偏最小二乘算法(Partial Least Squares,PLS)從可采集的多種過程變量中篩選出與透水率相關性較高的過程參數,包括:產水流量、產水壓力、曝氣量、好氧區(qū)硝酸鹽以及缺氧區(qū)氧化還原電位(Oxidation Reduction Potential,ORP)。2.膜污染預測模型設計;針對膜污染存在的在線預測困難的問題,提出了基于遞歸模糊神經網絡(Recursive Fuzzy Neural Network,RFNN)的膜污染預測模型,以膜透水率作為預測模型的輸出變量,以PLS算法確定的膜透水率相關參數作為預測模型的輸入變量,并基于多步預測策略,利用污水處理廠實際采集的數據對膜污染預測模型進行學習訓練,從而成功實現對未來較長一段時間內的膜污染的預測。實驗結果顯示:文中提出的基于RFNN的膜污染預測模型可以實現對未來較長一段時間內的膜透水率的預測,從而實現對膜污染的預測,并且跟其它的膜透水率預測模型相比,文中提出的膜污染預測模型具有可預測的時間范圍較長、預測效果較好的優(yōu)勢。3.膜污染等級評價方法設計;針對現存的預警策略大多停留在預測水平,不能滿足水廠生產實際要求中多等級預警的問題,文中提出了一種基于膜透水率預測值和其它膜污染相關變量當前值的膜污染多等級評價方法。實驗結果表明,基于實際膜污染預警等級劃分和應用要求的膜污染等級評價方法,可以實現對膜污染等級的確定,進而實現對膜污染狀況的智能預警。4.膜污染智能預警系統(tǒng)設計;針對目前膜污染預警系統(tǒng)缺少的問題,文中提出了一種智能的膜污染預警系統(tǒng)。為了保證膜污水處理現場控制的安全性,預警系統(tǒng)增加了網關隔離,即采用FameView組態(tài)軟件從PLC中讀取相關過程變量,并將采集的數據轉換為OPC DA/UA的方式傳至系統(tǒng)的數據采集模塊;為了不干擾水廠其余系統(tǒng)的正常工作,預警系統(tǒng)采用雙網卡的結構獨立于現場的控制系統(tǒng);為了滿足預警系統(tǒng)的智能化需求,膜污染預測算法和膜污染等級評價等算法都以.dll文件的形式嵌入到系統(tǒng)中,在方便系統(tǒng)調用的同時實現系統(tǒng)的預測預報警功能。將設計的膜污染智能預警系統(tǒng)應用于北京市某污水處理廠,工作人員可以在任何接入水廠局域網的地方查詢該智能預警系統(tǒng)的工作狀態(tài),并通過對該膜污染智能預警系統(tǒng)的實際測試應用,證明該智能預警系統(tǒng)在實際膜污水處理廠中的有效性和實用性。
【圖文】：

北京工業(yè)大學工學碩士學位論文子系統(tǒng)部分采用 B/S 結構。系統(tǒng)的開發(fā)語言為 C#。框架為.NetFrameW藝人員可以在任何地點通過互聯(lián)網訪問部署于 MySQL 數據服務器上用服務，查詢膜污染的狀態(tài)信息。此外，通過長期數據積累，水廠工藝基于膜運行數據、清洗評價數據和智能預測曲線來分析 MBR 膜的使用

系統(tǒng)的用戶登錄界面主要包括 3 部分，新用戶注冊、舊用戶登錄以及當用戶登錄密碼忘記后的密碼找回。用戶登錄的具體流程圖如 5-2 所示。具體的用戶界面登錄圖如 5-3 所示。用戶登錄信息是否正確輸入登錄信息完成登錄操作是否已注冊 注冊新用戶NYY找回密碼N圖 5-2 用戶登錄系統(tǒng)流程圖Fig.5-2 The flow chart of the user logon system
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：X703

【參考文獻】

相關期刊論文 前5條

1 張秋文;章永志;鐘鳴;;基于云模型的水庫誘發(fā)地震風險多級模糊綜合評價[J];水利學報;2014年01期

2 王建;楊耀權;馬高偉;;軟測量輔助變量選擇方法研究[J];電力科學與工程;2011年07期

3 黃道平;劉乙奇;李艷;;軟測量在污水處理過程中的研究與應用[J];化工學報;2011年01期

4 任敏,王萬良,李探微,管秋,姚明海;基于神經網絡的污水處理軟測量系統(tǒng)的研究[J];自動化儀表;2001年10期

5 徐敏,俞金壽;軟測量技術[J];石油化工自動化;1998年02期

，

本文編號：2659287