造紙行業(yè)的廢水排放在工業(yè)廢水排放總量中占較高的比重,對水污染控制有著重要影響。其中,化學需氧量濃度、生化需氧量濃度、微生物濃度、毒性物質濃度等水質參數(shù)是反映實時凈化效果、實現(xiàn)廢水處理過程在線控制與優(yōu)化管理的關鍵指標。由于廢水處理過程具有強滯后、非平穩(wěn)、強干擾、工作環(huán)境惡劣、反應機理復雜等特性,采用傳統(tǒng)的測量方法很難對水質參數(shù)進行快速、準確地測量,于是采用數(shù)據(jù)驅動預測模型代替或輔助儀表實現(xiàn)在線測量是一種更好的選擇。本文針對造紙廢水處理過程中數(shù)據(jù)的高維性、非線性、隨機性和動態(tài)性等復雜特性,基于改進的偏最小二乘（PLS）模型,開展以下研究:1.考慮到并非所有采集到的數(shù)據(jù)值均為正常值,在構建預測模型前,采取動態(tài)并行核偏最小二乘（DCKPLS）模型完成廢水處理過程的故障檢測,以確保建模數(shù)據(jù)的可靠性。首先,該模型通過將矩陣擴充方法與核方法結合,增強了PLS模型潛變量對于廢水數(shù)據(jù)動態(tài)性和非線性的解釋能力;其次,通過PLS的模型分解實現(xiàn)并行偏最小二乘模型,進而將輸入、輸出變量進行較為全面地子空間劃分與故障檢測,有效克服了傳統(tǒng)PLS模型存在的特征提取缺陷�；谀M傳感器故障數(shù)據(jù)得出,DCKPLS模型具備... 

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
縮寫術語表
第一章 前言
    1.1 研究背景及意義
    1.2 造紙廢水處理過程數(shù)據(jù)特性
        1.2.1 非線性與隨機性
        1.2.2 高維性
        1.2.3 動態(tài)性
    1.3 國內外研究現(xiàn)狀
        1.3.1 機理模型
        1.3.2 人工智能模型
        1.3.3 多元統(tǒng)計回歸模型
    1.4 本文主要研究內容和創(chuàng)新點
        1.4.1 本文研究內容
        1.4.2 本文的創(chuàng)新點及各章節(jié)介紹
    1.5 本章小結
第二章 基于DCKPLS的廢水處理過程故障檢測
    2.1 引言
    2.2 方法原理
        2.2.1 傳統(tǒng)PLS故障檢測模型
        2.2.2 CPLS故障檢測模型
        2.2.3 CKPLS故障檢測模型
        2.2.4 DCKPLS故障檢測模型
    2.3 實驗驗證
        2.3.1 實際廢水處理過程數(shù)據(jù)集
        2.3.2 模擬故障構建
        2.3.3 PLS故障檢測
        2.3.4 CPLS故障檢測
        2.3.5 DCPLS故障檢測
        2.3.6 CKPLS故障檢測
        2.3.7 DCKPLS故障檢測
    2.4 本章小結
第三章 基于內部結構優(yōu)化的動態(tài)非線性PLS預測模型
    3.1 引言
    3.2 方法原理
        3.2.1 基于內部結構優(yōu)化的非線性PLS模型
        3.2.2 GPR預測模型
        3.2.3 RVM預測模型
        3.2.4 模型動態(tài)優(yōu)化
        3.2.5 預測模型實現(xiàn)步驟
    3.3 基于BSM1的出水指標預測
        3.3.1 BSM1數(shù)據(jù)集
        3.3.2 基于多種PLS模型的BSM1 出水指標預測
        3.3.3 基于FIR優(yōu)化模型的出水指標預測
        3.3.4 基于ARX優(yōu)化模型的出水指標預測
        3.3.5 分析和討論
    3.4 基于實際廢水處理廠的出水COD預測
        3.4.1 基于多種PLS模型的實際廢水處理過程出水COD預測
        3.4.2 基于FIR優(yōu)化模型的出水COD預測
        3.4.3 基于ARX優(yōu)化模型的出水COD預測
        3.4.4 分析和討論
    3.5 基于歷史數(shù)據(jù)相關特征分析的矩陣擴充方式自適應選擇
    3.6 本章小結
第四章 主要成果
    4.1 本文內容總結
    4.2 進一步研究和展望
攻讀學位期間發(fā)表的學術論文
參考文獻



本文編號：3666776