目前,城市污水處理問(wèn)題已經(jīng)成為急需解決的問(wèn)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(fù)雜及各參數(shù)變量之間的耦合性等特性,導(dǎo)致污水處理過(guò)程的建模與控制變得非常困難。而國(guó)內(nèi)的污水處理過(guò)程的建模與控制水平相對(duì)較低,因此對(duì)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(gè)非常關(guān)鍵的參數(shù)指標(biāo),對(duì)其進(jìn)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(jìn)行了以下的工作研究:本文首先對(duì)污水處理過(guò)程進(jìn)行了分析,在活性污泥1號(hào)模型的基礎(chǔ)上詳細(xì)描述了污水處理中各反應(yīng)過(guò)程與組分濃度的內(nèi)在聯(lián)系,并根據(jù)物料平衡關(guān)系以及污水處理系統(tǒng)的特點(diǎn)建立了適用于控制的簡(jiǎn)化數(shù)學(xué)模型。針對(duì)將傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)作為預(yù)測(cè)模型時(shí)會(huì)出現(xiàn)收斂速度慢且容易陷入局部最優(yōu)等問(wèn)題,本文采用螢火蟲算法對(duì)神經(jīng)網(wǎng)絡(luò)初始權(quán)值的選取進(jìn)行了優(yōu)化,通過(guò)仿真證明了經(jīng)過(guò)優(yōu)化的神經(jīng)網(wǎng)絡(luò)比未經(jīng)優(yōu)化的神經(jīng)網(wǎng)絡(luò)在模型辨識(shí)方面的精度更高。然后針對(duì)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(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制,該方法結(jié)合了螢火蟲算法中的吸引力機(jī)制以及差分進(jìn)化算法中的變異、交叉、選擇機(jī)制,能夠有效的解決預(yù)測(cè)控... 

【文章來(lái)源】：安徽工業(yè)大學(xué)安徽省

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

系統(tǒng)辨識(shí)數(shù)據(jù)

FA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

圖 5-3 FA-BP 神經(jīng)網(wǎng)絡(luò)校驗(yàn)結(jié)果圖 5-1 為系統(tǒng)的辨識(shí)數(shù)據(jù)，圖 5-2 和 5-3 分別為 FA-BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果驗(yàn)結(jié)果。由此可以看出，F(xiàn)A 優(yōu)化的 BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差在 0.05 以內(nèi)，較高的辨識(shí)精度。 溶解氧濃度預(yù)測(cè)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(yù)測(cè)模型，采用 HDE 算法作為滾動(dòng)優(yōu)化策略于污水處理系統(tǒng)的預(yù)測(cè)控制。圖 5-4 與圖 5-5 分別為 DO 模型與神經(jīng)網(wǎng)絡(luò)預(yù)制的simulink仿真圖。選取控制所需的各項(xiàng)參數(shù)為：BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為2-7-10.4， =0.1，選取變?cè)O(shè)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(jī)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(xiàn)】：
期刊論文
[1]基于LM算法的溶解氧神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制[J]. 李明河,周磊,王健.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 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(yáng),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(yīng)用[J]. 林勇堅(jiān),莫?jiǎng)俸?  廣西輕工業(yè). 2008(05)
[5]人工濕地處理污水機(jī)理及效率比較[J]. 劉亞瓊,劉志強(qiáng),苗群,翁娜娜.  水科學(xué)與工程技術(shù). 2007(06)
[6]基于簡(jiǎn)化活性污泥數(shù)學(xué)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(xué)報(bào). 2007(23)
[7]污水處理過(guò)程的奇異攝動(dòng)模型仿真研究[J]. 張平,苑明哲,王宏.  系統(tǒng)仿真學(xué)報(bào). 2007(14)
[8]常減壓裝置魯棒多變量預(yù)測(cè)控制應(yīng)用[J]. 孫正鼐,孫明健.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2006(10)
[9]2005中國(guó)環(huán)境狀況公報(bào)[J].   環(huán)境保護(hù). 2006(12)
[10]21世紀(jì)水資源展望[J]. 楊志清.  水資源保護(hù). 2004(04)

博士論文
[1]螢火蟲算法研究及其在船舶運(yùn)動(dòng)參數(shù)辨識(shí)中的應(yīng)用[D]. 張麗娜.哈爾濱工程大學(xué) 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(xué) 2015

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



本文編號(hào)：3324316