本文關(guān)鍵詞：基于LM算法的溶解氧濃度神經(jīng)網(wǎng)絡(luò)預(yù)測控制研究，由筆耕文化傳播整理發(fā)布。

【摘要】：活性污泥法是利用活性污泥中微生物的降解作用來清除污水中污染物質(zhì)的一種有效方法,是目前工程上使用最為廣泛的污水處理工藝之一。溶解氧濃度是污水處理過程中一個極其重要的參數(shù),然而其具有時變、非線性以及存在設(shè)定值難以跟蹤控制的問題,傳統(tǒng)的控制方法(如常規(guī)PID控制等)在干擾性強(qiáng)、模型參數(shù)不確定等情況下,難以達(dá)到理想的控制效果。預(yù)測控制具有跟蹤性能強(qiáng)、控制效果好、抗干擾能力強(qiáng)等優(yōu)點(diǎn),神經(jīng)網(wǎng)絡(luò)預(yù)測控制(NNPC)充分利用神經(jīng)網(wǎng)絡(luò)非線性映射能力在模型預(yù)測上的優(yōu)勢,結(jié)合預(yù)測控制反饋校正、滾動優(yōu)化的機(jī)理,更適合于此類非線性系統(tǒng)的控制�；谏鲜龇治�,本課題提出污水處理溶解氧濃度NNPC方法,對控制器的結(jié)構(gòu)及其性能做了全面的設(shè)計、分析和仿真,主要工作如下:首先,分析了活性污泥法污水處理工藝,在國際水質(zhì)協(xié)會提出的活性污泥1號模型(ASM1)的基礎(chǔ)上,經(jīng)過合理的假設(shè)和約束,結(jié)合實際的污水處理廠情況,建立了反映溶解氧濃度、活性污泥濃度以及底物濃度之間內(nèi)在關(guān)系的簡化的活性污泥變參數(shù)數(shù)學(xué)模型。其次,針對常規(guī)BP神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值、收斂速度慢等缺陷,提出采用Levenberg-Marquardt算法(LM算法)對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,并通過對比仿真實驗對LM-BP神經(jīng)網(wǎng)絡(luò)的模型辨識性能進(jìn)行了驗證。然后,針對目前溶解氧控制存在的問題,提出了NNPC方法,并從模型預(yù)測、反饋校正、滾動優(yōu)化三個方面系統(tǒng)設(shè)計了該控制系統(tǒng)。最后,通過仿真實驗,驗證了LM-BP神經(jīng)網(wǎng)絡(luò)構(gòu)建溶解氧預(yù)測模型的有效性,通過和常規(guī)控制方法的比較,驗證了NNPC對溶解氧設(shè)定值的跟蹤性能和抗干擾性能。本課題的創(chuàng)新點(diǎn)及貢獻(xiàn)在于:(1)運(yùn)用LM算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),克服了常規(guī)神經(jīng)網(wǎng)絡(luò)的缺陷,在溶解氧NNPC中提高了模型預(yù)測精度。(2)針對溶解氧濃度跟蹤控制難的問題,提出了溶解氧NNPC方法,對溶解氧神經(jīng)網(wǎng)絡(luò)預(yù)測控制器模型預(yù)測、反饋校正、滾動優(yōu)化等環(huán)節(jié)進(jìn)行了系統(tǒng)全面地設(shè)計,并將NNPC方法與常規(guī)的控制方法進(jìn)行了比較。仿真結(jié)果表明,NNPC具有很好的自適應(yīng)性和魯棒性,提高了溶解氧跟蹤控制性能。
【關(guān)鍵詞】：污水處理過程 溶解氧濃度 建模 Levenberg-Marquardt算法 神經(jīng)網(wǎng)絡(luò)預(yù)測控制
【學(xué)位授予單位】：安徽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：X703;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 課題背景與研究意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 污水處理控制研究現(xiàn)狀10-12
• 1.2.2 神經(jīng)網(wǎng)絡(luò)預(yù)測控制研究現(xiàn)狀12-13
• 1.3 本課題的研究內(nèi)容13-15
• 第二章 活性污泥法工藝及數(shù)學(xué)建模15-26
• 2.1 污水處理技術(shù)簡介15-16
• 2.2 活性污泥法工藝簡介16-17
• 2.3 活性污泥1號模型17-22
• 2.4 簡化的變參數(shù)活性污泥數(shù)學(xué)模型22-25
• 2.5 本章小結(jié)25-26
• 第三章 基于LM算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型辨識26-45
• 3.1 神經(jīng)網(wǎng)絡(luò)理論概述26-31
• 3.1.1 神經(jīng)網(wǎng)絡(luò)基本理論26-27
• 3.1.2 BP神經(jīng)網(wǎng)絡(luò)基本原理及學(xué)習(xí)過程27-30
• 3.1.3 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)及缺陷30-31
• 3.2 基于LM算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)31-35
• 3.2.1 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法31-33
• 3.2.2 高斯-牛頓算法33-34
• 3.2.3 LM算法34-35
• 3.3 LM-BP神經(jīng)網(wǎng)絡(luò)模型辨識35-39
• 3.3.1 神經(jīng)網(wǎng)絡(luò)模型辨識原理概述35-36
• 3.3.2 神經(jīng)網(wǎng)絡(luò)辨識建模的特點(diǎn)36-37
• 3.3.3 神經(jīng)網(wǎng)絡(luò)模型辨識結(jié)構(gòu)37-38
• 3.3.4 LM-BP神經(jīng)網(wǎng)絡(luò)模型辨識設(shè)計38-39
• 3.4 仿真實驗39-44
• 3.5 本章小結(jié)44-45
• 第四章 溶解氧濃度的神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)設(shè)計45-57
• 4.1 預(yù)測控制理論45-48
• 4.1.1 預(yù)測控制原理45-46
• 4.1.2 預(yù)測控制基本算法46
• 4.1.3 智能預(yù)測控制算法46-47
• 4.1.4 神經(jīng)網(wǎng)絡(luò)預(yù)測控制47-48
• 4.2 溶解氧濃度的神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)設(shè)計48-49
• 4.2.1 溶解氧濃度控制的重要性48
• 4.2.2 控制策略的提出48-49
• 4.2.3 控制方案整體設(shè)計49
• 4.3 溶解氧濃度預(yù)測模型的建立49-53
• 4.3.1 神經(jīng)網(wǎng)絡(luò)非線性多步預(yù)測模型49-52
• 4.3.2 LM-BP神經(jīng)網(wǎng)絡(luò)構(gòu)建溶解氧預(yù)測模型52-53
• 4.4 溶解氧濃度反饋校正設(shè)計53
• 4.5 溶解氧濃度優(yōu)化控制器的設(shè)計53-55
• 4.5.1 優(yōu)化控制器主要設(shè)計方法53
• 4.5.2 基于黃金比例搜索算法的滾動優(yōu)化設(shè)計53-55
• 4.6 本章小結(jié)55-57
• 第五章 溶解氧濃度的神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)仿真57-66
• 5.1 仿真模型分析57-58
• 5.2 系統(tǒng)可控性分析58-59
• 5.3 LM-BP神經(jīng)網(wǎng)絡(luò)溶解氧濃度模型的建立59-60
• 5.4 神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)仿真60-65
• 5.5 本章小結(jié)65-66
• 第六章 總結(jié)與展望66-68
• 6.1 總結(jié)66
• 6.2 展望66-68
• 參考文獻(xiàn)68-72
• 附錄一 插圖清單72-73
• 附錄二 表格清單73-74
• 在讀研究成果74-75
• 致謝75

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 杜鋒;用神經(jīng)網(wǎng)絡(luò)預(yù)測脫氣處理時的氫含量[J];上海金屬;2001年06期

2 張延波,王金國;運(yùn)用神經(jīng)網(wǎng)絡(luò)預(yù)測礦井瓦斯涌出量方法的探討[J];江西煤炭科技;2004年03期

3 劉建學(xué),白崇仁,謝秀英,吳守一;應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測高水分食品物料平衡含水量[J];洛陽工學(xué)院學(xué)報;1998年04期

4 王成華,李武君;灌注單樁豎向極限承載力及沉降的神經(jīng)網(wǎng)絡(luò)預(yù)測[J];西部探礦工程;2000年04期

5 王科平;吳冰;王福忠;;基于混沌機(jī)制的神經(jīng)網(wǎng)絡(luò)預(yù)測控制及仿真研究[J];河南理工大學(xué)學(xué)報(自然科學(xué)版);2007年01期

6 王婧;李修春;張渭源;;基于主成分-神經(jīng)網(wǎng)絡(luò)預(yù)測干洗后織物復(fù)合體粘合效果[J];紡織學(xué)報;2006年05期

7 鮑林;楊汝俊;張亞峰;;體外預(yù)應(yīng)力混凝土抗剪承載力的神經(jīng)網(wǎng)絡(luò)預(yù)測研究[J];建筑;2013年24期

8 徐建生,趙源;神經(jīng)網(wǎng)絡(luò)預(yù)測摩擦表層轉(zhuǎn)移元素分布規(guī)律的研究[J];中國表面工程;2000年02期

9 王進(jìn)學(xué),曹作忠;神經(jīng)網(wǎng)絡(luò)預(yù)測尾礦沉積規(guī)律的方法[J];金屬礦山;2003年07期

10 萬漢偉;龍偉;龐彪;蔡永陵;程磊;;神經(jīng)網(wǎng)絡(luò)預(yù)測控制在分段臺車式電阻爐溫度控制中的應(yīng)用[J];金屬熱處理;2010年08期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 孔憲軍;高文樂;;復(fù)雜環(huán)境下地下爆破震動峰值的神經(jīng)網(wǎng)絡(luò)預(yù)測研究[A];現(xiàn)代爆破理論與技術(shù)——第十屆全國煤炭爆破學(xué)術(shù)會議論文集[C];2008年

2 李英;劉豹;;神經(jīng)網(wǎng)絡(luò)預(yù)測中訓(xùn)練樣本的選擇[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 陽杰;蔣國榮;張曉嵐;;用神經(jīng)網(wǎng)絡(luò)預(yù)測房間中的后期反射聲能序列[A];綠色建筑與建筑物理——第九屆全國建筑物理學(xué)術(shù)會議論文集（一）[C];2004年

4 王娟;趙月靜;劉明治;;大型空間可展開天線展開過程神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)研究[A];第九屆全國動力學(xué)與控制學(xué)術(shù)會議會議手冊[C];2012年

5 李朝霞;柳百成;鄭賢淑;;利用神經(jīng)網(wǎng)絡(luò)預(yù)測半連鑄鋁板坯的凹陷變形[A];2002年材料科學(xué)與工程新進(jìn)展（下）——2002年中國材料研討會論文集[C];2002年

6 陸冬娜;楊馬英;;基于DCS系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測控制[A];第八屆工業(yè)儀表與自動化學(xué)術(shù)會議論文集[C];2007年

7 張虹;王劍明;;變風(fēng)量空調(diào)房間室溫的神經(jīng)網(wǎng)絡(luò)預(yù)測控制仿真[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

8 楊自強(qiáng);陸亞俊;;利用神經(jīng)網(wǎng)絡(luò)預(yù)測空調(diào)負(fù)荷[A];全國暖通空調(diào)制冷1998年學(xué)術(shù)年會論文集（2）[C];1998年

9 陳峰;桂衛(wèi)華;王隨平;韓曉英;;深海底履帶機(jī)器車的多神經(jīng)網(wǎng)絡(luò)預(yù)測控制[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

10 劉朝暉;梅全喜;黃榕波;溫預(yù)關(guān);李明亞;;用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測利培酮穩(wěn)態(tài)血藥濃度[A];2013年廣東省藥師周大會論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王冬青;非線性時滯系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測控制[D];天津大學(xué);2005年

2 李敬兆;采用神經(jīng)網(wǎng)絡(luò)預(yù)測和變結(jié)構(gòu)模糊控制的鉛酸蓄電池最優(yōu)充電技術(shù)研究[D];合肥工業(yè)大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 連惠新;催化裂化裝置反應(yīng)—再生部分預(yù)測控制研究[D];新疆大學(xué);2015年

2 周磊;基于LM算法的溶解氧濃度神經(jīng)網(wǎng)絡(luò)預(yù)測控制研究[D];安徽工業(yè)大學(xué);2016年

3 王冬麗;高速公路交通系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測控制[D];廣西大學(xué);2006年

4 易帆;神經(jīng)網(wǎng)絡(luò)預(yù)測研究[D];西南交通大學(xué);2005年

5 王捍兵;神經(jīng)網(wǎng)絡(luò)預(yù)測控制應(yīng)用研究[D];江蘇科技大學(xué);2011年

6 王二成;壓電智能結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)預(yù)測控制[D];河北工程大學(xué);2008年

7 譚元飛;基于神經(jīng)網(wǎng)絡(luò)預(yù)測控制的鍋爐過熱汽溫控制研究[D];西安科技大學(xué);2012年

8 宮宇寶;超臨界CO_2染色裝置神經(jīng)網(wǎng)絡(luò)預(yù)測控制的研究[D];東北大學(xué);2008年

9 郭紅梅;神經(jīng)網(wǎng)絡(luò)預(yù)測控制研究和基于虛擬儀器的控制應(yīng)用[D];中國石油大學(xué);2007年

10 梁文彬;基于機(jī)器人的神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)研究[D];揚(yáng)州大學(xué);2008年

  本文關(guān)鍵詞：基于LM算法的溶解氧濃度神經(jīng)網(wǎng)絡(luò)預(yù)測控制研究，，由筆耕文化傳播整理發(fā)布。

本文編號：255516