發(fā)布時間：2020-11-12 21:24

　　 污水處理過程是去除城市居民污水和工業(yè)廢水中富含的碳、氮、磷等有機污染物以及有毒重金屬等無機污染物的重要工業(yè)過程,大多數(shù)污水處理廠采用活性污泥法,使處理后的水質(zhì)指標達到可排放要求。其中COD(化學(xué)需氧量,Chemical Oxygen Demand)是表征有機強度的重要水質(zhì)指標,是國家環(huán)�？偩忠�(guī)定的污染物總量控制主要指標之一。 由于A/O(缺氧／好氧,Anoxic/Oxic)過程中間工序缺氧池和好氧池出水、二沉池最終出水的水質(zhì)COD不能連續(xù)在線檢測,現(xiàn)有的COD檢測方法多采用離線化驗方法,具有操作繁復(fù)、化驗測量滯后大等問題,難以實現(xiàn)水質(zhì)的實時反饋控制,因此有必要研究有效的水質(zhì)軟測量方法。污水處理過程的微生物生化反應(yīng)機理復(fù)雜,入水負荷的波動使運行工況出現(xiàn)大范圍頻繁波動,運行條件、進水水質(zhì)特性、生化反應(yīng)等因素使過程具有強非線性、不確定性和時變性,難以建立精確的機理模型,采用純機理模型建立出水水質(zhì)軟測量模型時難以保證軟測量精度。因此,為實現(xiàn)污水處理過程出水水質(zhì)的在線監(jiān)控、保證出水指標達標、提高污染物處理效率,有必要研究及時準確地估計污水水質(zhì)的軟測量方法。 本文針對污水處理過程的復(fù)雜特性,以準確估計出水水質(zhì)COD為目標,開展了水質(zhì)COD在線軟測量建模方法的研究。本文的主要工作歸納如下： (1)針對當非線性系統(tǒng)存在未建模動態(tài)或不確定干擾時,采用常規(guī)誤差反傳算法的神經(jīng)網(wǎng)絡(luò)建模方法難以保證模型建模誤差穩(wěn)定性的問題,提出了一類具有穩(wěn)定學(xué)習(xí)算法的小波神經(jīng)網(wǎng)絡(luò)建模方法,保證了模型建模誤差的穩(wěn)定性。其中穩(wěn)定學(xué)習(xí)算法是基于輸入到狀態(tài)穩(wěn)定性(ISS, Input-to-State Stability)理論推導(dǎo)得出,并給出了小波神經(jīng)網(wǎng)絡(luò)模型建模誤差穩(wěn)定性分析過程。分別比較了帶噪聲和不帶噪聲兩種情況下基于穩(wěn)定學(xué)習(xí)算法的小波神經(jīng)網(wǎng)絡(luò)模型和基于常規(guī)誤差反傳算法的小波神經(jīng)網(wǎng)絡(luò)模型、基于穩(wěn)定學(xué)習(xí)算法的小波神經(jīng)網(wǎng)絡(luò)模型和基于常規(guī)誤差反傳算法的MLP神經(jīng)網(wǎng)絡(luò)模型的軟測量性能；將所提出的建模方法用于污水處理過程二沉池出水COD的在線軟測量,以沈陽某污水處理廠的實際運行數(shù)據(jù)進行了實驗研究,結(jié)果表明了所提出的基于穩(wěn)定學(xué)習(xí)算法的小波神經(jīng)網(wǎng)絡(luò)建模方法的有效性。 (2)針對污水處理過程二沉池出水水質(zhì)難以在線檢測,高負荷、正常負荷、低負荷工況大范圍頻繁波動,水質(zhì)軟測量模型精度不高的問題,提出了小波神經(jīng)網(wǎng)絡(luò)和Hammerstein模型(簡稱為H模型)結(jié)合的污水處理過程二沉池出水COD多模型在線軟測量方法,軟測量模型包括工況識別機制、各運行工況下基于H模型的局部水質(zhì)軟測量模型、多模型合成機制三部分。其中工況識別機制將污水處理過程工況特征變量的歷史數(shù)據(jù)樣本進行減法聚類,將運行工況劃分為高負荷、正常負荷、低負荷工況,確定初始工況中心位置,為了表征各運行工況特性隨時間的變化,采用新工況特征變量樣本與工況中心之間的相近度函數(shù)在線修正工況中心,并計算新樣本屬于各工況的隸屬度,識別出當前工況與各運行工況匹配的程度；局部模型采用H模型(簡稱為局部H模型),H模型的非線性靜態(tài)部分模型由小波神經(jīng)網(wǎng)絡(luò)模型建立,線性動態(tài)部分模型由ARX(Auto-Regressive eXogeneous)模型建立,其中小波神經(jīng)網(wǎng)絡(luò)采用穩(wěn)定學(xué)習(xí)算法學(xué)習(xí),ARX模型采用遞推最小二乘法辨識；多模型合成機制基于局部模型輸出加權(quán)求和得到軟測量模型輸出,局部H模型輸出的權(quán)值采用工況識別機制計算的工況特征變量屬于各工況的隸屬度。以實際運行數(shù)據(jù)進行了仿真實驗,結(jié)果證明,所提出的污水水質(zhì)COD多模型在線軟測量模型在工況大范圍變化條件下具有較高的軟測量精度。 (3)針對A/O過程中間工序缺氧池和好氧池出水水質(zhì)、二沉池最終出水水質(zhì)難以在線檢測,缺乏中間工序水質(zhì)的化驗值,基于數(shù)據(jù)驅(qū)動的方法不適于建立有效的中間工序出水水質(zhì)軟測量模型的問題,提出了基于機理模型和神經(jīng)網(wǎng)絡(luò)的污水處理過程中間工序和二沉池出水COD混合在線軟測量方法,軟測量模型包括基于機理模型的缺氧池模型和好氧池模型、二沉池模型、基于神經(jīng)網(wǎng)絡(luò)的缺氧反應(yīng)速率模型和好氧反應(yīng)速率模型、組分計算模型、水質(zhì)計算模型七部分。其中缺氧池模型和好氧池模型采用SASM1模型(Simplified Activated Sludge Model No.1), SASM1模型是結(jié)合A/O工藝過程,由活性污泥機理模型ASM1進一步簡化得到的；二沉池模型采用理想壓縮點模型；缺氧反應(yīng)速率模型和好氧反應(yīng)速率模型采用MLP神經(jīng)網(wǎng)絡(luò),分別辨識缺氧池和好氧池模型中的敏感組分反應(yīng)速率,基于誤差反傳和鏈式規(guī)則的思想,得到混合模型建模誤差與缺氧反應(yīng)速率模型、好氧反應(yīng)速率模型建模誤差之間的關(guān)系,分別學(xué)習(xí)缺氧反應(yīng)速率模型和好氧反應(yīng)速率模型；組分計算模型將進水水質(zhì)指標值按百分比進行分解,計算出SASM1模型中對應(yīng)組分的濃度；水質(zhì)計算模型將組分濃度相加轉(zhuǎn)換為水質(zhì)指標COD。以污水處理廠的實際運行數(shù)據(jù)進行了仿真實驗,結(jié)果表明,基于機理模型和神經(jīng)網(wǎng)絡(luò)的污水水質(zhì)COD混合在線軟測量模型具有較高的軟測量精度,能夠估計出缺氧池、好氧池和二沉池出水COD。
【學(xué)位單位】：東北大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2011
【中圖分類】：X703;X832
【部分圖文】：

文[4]的研究結(jié)果表明，不同地區(qū)的污水中BOD5與COD均具有近似線性的比例關(guān)系。圖2.11以沈陽污水處理廠的進水COD和進水BOD;日波動曲線為例，可以看出，二者的波動趨勢相似。由于BOD5具有5天的測量滯后，不能滿足為軟測量模型提供及時數(shù)據(jù)的要求，對于特定的污水，可用COD代替測定過程緩慢的BOD/5]，因此不將BOD5做為軟測量模型的輔助變量。140 I . , , , , 1 ,^，1000I .120- 卜[y| [ ■40 I ‘ “ 1 1 1 1 ‘——^00 50 100 150 200 250 300 350樣本圖2.11進水COD與進水BOD5日波動曲線圖Fig.2.11 The daily fluctuations of influent COD and BOD5在實際污水處理廠，根據(jù)經(jīng)驗確定混合液回流流量2,、污泥回流流量01^, 二者與進水流量具有一定的比例關(guān)系，因此未將混合液回流流量、污泥回流流量作為模型的輔助變量。好氧池混合液懸浮固體濃度MLSS與溶解氧濃度具有直接相關(guān)關(guān)系

采用100組輸入輸出數(shù)據(jù)離線建立小波神經(jīng)網(wǎng)絡(luò)模型，學(xué)習(xí)算法采用式(3.27)-(3.30)所示的穩(wěn)定時變學(xué)習(xí)算法。圖3.4為具有和不具有穩(wěn)定學(xué)習(xí)算法的小波神經(jīng)網(wǎng)絡(luò)模型的建模結(jié)果。10 I , . ( . , . n 1—^真實輸出, ~?"穩(wěn)定學(xué)習(xí)5"^:丨\ .、 C 非穩(wěn)定學(xué)習(xí)?51 1 I 1 I I I I I I 0 10 20 30 40 50 60 70 80 90 100樣本5| . . . , . . . . ■ I,1 穩(wěn)定學(xué)習(xí)^ /? , .、——非穩(wěn)定學(xué)習(xí)-5 I i-~I 1 1 1 1 1 I I I 0 1 0 20 30 40 50 60 70 80 90 100樣本圖3.4具有和不具有穩(wěn)定學(xué)習(xí)算法的小波神經(jīng)網(wǎng)絡(luò)離線建模結(jié)果Fig.

Fig.3.5 Values of stable learning law r/(k)圖3.6為釆用后100組數(shù)據(jù)進行系統(tǒng)輸出軟測量的實驗研究時，具有和不具有穩(wěn)定學(xué)習(xí)算法的小波神經(jīng)網(wǎng)絡(luò)模型的在線軟測量實驗結(jié)果比較�？梢钥闯�，不具有穩(wěn)定學(xué)習(xí)算法的小波神經(jīng)網(wǎng)絡(luò)模型輸出出現(xiàn)振蕩，具有穩(wěn)定學(xué)習(xí)算法時建模誤差相對較低。6- ? 真實輸出 -, ‘ 穩(wěn)定學(xué)習(xí)...-非穩(wěn)定學(xué)習(xí)、.A “-2 f 1 1 1 1 _i I I I I 、0 10 20 30 40 50 60 70 80 90 100樣本l[ ‘ ^‘ ‘^ I I——穩(wěn)定@"“pT\ ； 非穩(wěn)定學(xué)習(xí) I ！糊 1 ? / J > \ ■' A.\ \ ’： \ , ‘ 5 -—I I I I I I I t I 0 10 20 30 40 50 60 70 80 90 100樣本圖3.6具有和不具有穩(wěn)定學(xué)習(xí)的小波神經(jīng)網(wǎng)絡(luò)在線軟測量實驗結(jié)果Fig.3.6 The estimated results of wavelet neural networks with and without stable learning-51 -
【參考文獻】

相關(guān)期刊論文 前10條

1 丁敬國;焦景民;昝培;劉相華;;基于模糊聚類的PSO-神經(jīng)網(wǎng)絡(luò)預(yù)測熱連軋粗軋寬度[J];東北大學(xué)學(xué)報(自然科學(xué)版);2007年09期

2 吳令;姜周華;龔偉;李陽;;基于遺傳神經(jīng)網(wǎng)絡(luò)的多元渣系活度預(yù)測模型[J];東北大學(xué)學(xué)報(自然科學(xué)版);2008年12期

3 李培強;李欣然;陳輝華;唐外文;;基于減法聚類的模糊神經(jīng)網(wǎng)絡(luò)負荷建模[J];電工技術(shù)學(xué)報;2006年09期

4 李世華,李奇,李捷;利用混合神經(jīng)網(wǎng)絡(luò)辨識Hammerstein模型的方法(英文)[J];Journal of Southeast University(English Edition);2001年01期

5 盧培利,張代鈞,劉穎,王飛;活性污泥法動力學(xué)模型研究進展和展望[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2002年03期

6 馬鴻媚;翁新;;紫外可見分光光度法在漁業(yè)環(huán)境監(jiān)測中的應(yīng)用[J];能源與環(huán)境;2007年03期

7 王崇愚;多尺度模型及相關(guān)分析方法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2004年01期

8 李天民;;復(fù)雜系統(tǒng)模型自組織原理[J];系統(tǒng)工程;1990年01期

9 呂洪剛,歐陽二明,鄭振華,張錫輝;三維熒光技術(shù)用于給水的水質(zhì)測定[J];中國給水排水;2005年03期

10 彭藝藝;劉向榮;丁兆銘;楊林;劉廣釗;陳柳璇;;A~2/O工藝二沉池出水的污泥絮體優(yōu)化控制[J];中國給水排水;2010年12期

相關(guān)博士學(xué)位論文 前1條

1 鮑林林;反硝化聚磷菌特性與反硝化除磷工藝研究[D];哈爾濱工業(yè)大學(xué);2008年

本文編號：2881260