發(fā)布時間：2021-08-05 19:20

　　目前,城市污水處理問題已經成為急需解決的問題,活性污泥法是目前處理城市污水使用最廣泛的方法。由于污水處理系統(tǒng)具有非線性、大滯后性、參數(shù)復雜及各參數(shù)變量之間的耦合性等特性,導致污水處理過程的建模與控制變得非常困難。而國內的污水處理過程的建模與控制水平相對較低,因此對建模與控制方法的研究顯得十分重要。溶解氧作為活性污泥法中一個非常關鍵的參數(shù)指標,對其進行深入的控制與研究就顯得尤為重要。本文以溶解氧濃度作為被控變量進行了以下的工作研究:本文首先對污水處理過程進行了分析,在活性污泥1號模型的基礎上詳細描述了污水處理中各反應過程與組分濃度的內在聯(lián)系,并根據(jù)物料平衡關系以及污水處理系統(tǒng)的特點建立了適用于控制的簡化數(shù)學模型。針對將傳統(tǒng)BP神經網絡作為預測模型時會出現(xiàn)收斂速度慢且容易陷入局部最優(yōu)等問題,本文采用螢火蟲算法對神經網絡初始權值的選取進行了優(yōu)化,通過仿真證明了經過優(yōu)化的神經網絡比未經優(yōu)化的神經網絡在模型辨識方面的精度更高。然后針對溶解氧濃度控制提出了一種基于HDE混合優(yōu)化算法的神經網絡預測控制,該方法結合了螢火蟲算法中的吸引力機制以及差分進化算法中的變異、交叉、選擇機制,能夠有效的解決預測控... 

【文章來源】：安徽工業(yè)大學安徽省

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

系統(tǒng)辨識數(shù)據(jù)

FA-BP神經網絡訓練結果

圖 5-3 FA-BP 神經網絡校驗結果圖 5-1 為系統(tǒng)的辨識數(shù)據(jù)，圖 5-2 和 5-3 分別為 FA-BP 神經網絡的訓練結果驗結果。由此可以看出，F(xiàn)A 優(yōu)化的 BP 神經網絡的預測誤差在 0.05 以內，較高的辨識精度。 溶解氧濃度預測控制系統(tǒng)仿真.1 控制性能比較分析基于上一節(jié)得到的溶解氧濃度預測模型，采用 HDE 算法作為滾動優(yōu)化策略于污水處理系統(tǒng)的預測控制。圖 5-4 與圖 5-5 分別為 DO 模型與神經網絡預制的simulink仿真圖。選取控制所需的各項參數(shù)為：BP神經網絡結構為2-7-10.4， =0.1，選取變設定值作為參考軌跡；HDE 優(yōu)化算法各參數(shù)選取為：最引力0 =1.0，光吸收系數(shù) =1.0，隨機因子 =0.3，變異算子 F 0.5,交叉概子 CR 0.9。圖 5-6(a)、(b)和(c)分別為在理想情況下基于 HDE-BP 方法，典

【參考文獻】：
期刊論文
[1]基于LM算法的溶解氧神經網絡預測控制[J]. 李明河,周磊,王健.  農業(yè)機械學報. 2016(06)
[2]污水處理曝氣池溶解氧智能優(yōu)化控制系統(tǒng)[J]. 黃銀蓉,張紹德.  信息與控制. 2011(03)
[3]油田污水處理前饋—反饋控制系統(tǒng)[J]. 王向陽,申則雄,邱瑞萍.  油氣田地面工程. 2010(03)
[4]基于PLC的模糊控制在污水處理中的應用[J]. 林勇堅,莫勝撼.  廣西輕工業(yè). 2008(05)
[5]人工濕地處理污水機理及效率比較[J]. 劉亞瓊,劉志強,苗群,翁娜娜.  水科學與工程技術. 2007(06)
[6]基于簡化活性污泥數(shù)學模型的污水處理仿真研究[J]. 于廣平,苑明哲,王宏.  系統(tǒng)仿真學報. 2007(23)
[7]污水處理過程的奇異攝動模型仿真研究[J]. 張平,苑明哲,王宏.  系統(tǒng)仿真學報. 2007(14)
[8]常減壓裝置魯棒多變量預測控制應用[J]. 孫正鼐,孫明健.  哈爾濱工業(yè)大學學報. 2006(10)
[9]2005中國環(huán)境狀況公報[J].   環(huán)境保護. 2006(12)
[10]21世紀水資源展望[J]. 楊志清.  水資源保護. 2004(04)

博士論文
[1]螢火蟲算法研究及其在船舶運動參數(shù)辨識中的應用[D]. 張麗娜.哈爾濱工程大學 2017
[2]PVDF超濾膜低溫等離子體改性及其在MBR中的耐污染性能研究[D]. 楊慶.蘭州交通大學 2015

碩士論文
[1]基于神經網絡預測的列車非線性網絡控制方法研究[D]. 李宗亮.大連交通大學 2018
[2]螢火蟲優(yōu)化算法的研究與應用[D]. 李肇基.江蘇科技大學 2018
[3]FA和PSO算法比較研究及其在協(xié)調優(yōu)化中的應用[D]. 曹鵬蕊.華北電力大學 2017
[4]基于LM算法的溶解氧濃度神經網絡預測控制研究[D]. 周磊.安徽工業(yè)大學 2016
[5]LM優(yōu)化算法和神經網絡預測控制在非線性系統(tǒng)中的研究[D]. 王炳萱.太原理工大學 2016
[6]可實現(xiàn)單邊區(qū)間控制的模型預測控制方法研究[D]. 宋菲菲.東北大學 2015
[7]基于BP神經網絡的無線電信號分類研究[D]. 李強.西華大學 2013
[8]基于簡化模型的曝氣過程控制研究[D]. 吳杰.華東理工大學 2013
[9]基于粒子群算法的污水處理預測控制研究[D]. 鄭美玲.哈爾濱工業(yè)大學 2010
[10]城市污水處理廠脫氮工藝診斷及優(yōu)化運行研究[D]. 肖偉.河北工程大學 2010



本文編號：3324316