本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的污水處理多變量控制方法研究

  更多相關(guān)文章： 污水處理過程 BSM1 PID控制 T-S模糊神經(jīng)網(wǎng)絡(luò) 自組織算法

【摘要】：城市污水處理過程具有大時變、強耦合、大時滯以及干擾嚴重等特點;同時,污水處理過程生化反應(yīng)復(fù)雜,運行過程中涉及到變量眾多,導(dǎo)致處理過程的控制難度非常大。由于我國污水處理起步較晚,相對比較落后,污水處理過程控制水平較低,導(dǎo)致出水水質(zhì)質(zhì)量及精度難以保證。因此,研究污水處理過程的控制方法對未來污水處理行業(yè)有著至關(guān)重要的影響和價值。1、論文研究了活性污泥1號模型(Activated Sludge Model No.1,ASM1)的組分、反應(yīng)過程、化學計量系數(shù)和動力學參數(shù)之間的關(guān)系以及活性污泥法的特性。研究了污水處理過程基準仿真平臺(Benchmark Simulation Model No.1,BSM1)關(guān)鍵參數(shù)以及生化反應(yīng)池、二沉池的結(jié)構(gòu)及工作特點,并通過MATLAB實驗仿真,成功建立仿真模型。2、針對傳統(tǒng)PID控制方法在污水處理過程中控制精度差,參數(shù)難以在線調(diào)整的問題,提出并設(shè)計了一種基于自適應(yīng)控制策略的PID溶解氧控制方法。利用神經(jīng)網(wǎng)絡(luò)的非線性映射能力和學習能力,對PID參數(shù)進行在線的自適應(yīng)調(diào)整。通過學習算法對網(wǎng)絡(luò)進行訓(xùn)練,確保了PID控制參數(shù)在線調(diào)整的實時性和穩(wěn)定性。仿真實驗表明,這種基于自適應(yīng)控制策略的PID控制具有較好的控制效果。3、針對傳統(tǒng)控制方法在污水處理非線性系統(tǒng)中對多變量控制精度低且難度大的問題,提出并設(shè)計了一種將Takagi-Sugeno(T-S)模糊與神經(jīng)網(wǎng)絡(luò)相結(jié)合的控制方法。一方面,在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上通過模糊知識的表達對多變量進行控制;另一方面,通過誤差逆向傳播算法對模糊規(guī)則進行學習調(diào)整;同時,采用自適應(yīng)學習率的方式加快網(wǎng)絡(luò)的收斂速度,提高控制性能。通過仿真實驗表明了這種控制方法能夠較好的對溶解氧和硝態(tài)氮進行跟蹤控制,且精度和穩(wěn)定性較好,具有較優(yōu)的控制性能。4、針對污水處理過程干擾嚴重的特點,提出并設(shè)計了一種基于聚類的自組織T-S模糊神經(jīng)網(wǎng)絡(luò)控制器。控制器在初始模糊規(guī)則為零的情況下,通過自組織規(guī)則對當前時刻的知識進行學習和記憶,并根據(jù)環(huán)境的變化智能地調(diào)整控制器結(jié)構(gòu),從而靈活地應(yīng)對環(huán)境的不同變化,精簡了網(wǎng)絡(luò)結(jié)構(gòu)。采用誤差逆向傳播算法對模糊規(guī)則進行調(diào)整和學習,提高了網(wǎng)絡(luò)性能。通過實驗仿真驗證了不同環(huán)境狀況下,這種控制器能夠靈活快速地根據(jù)環(huán)境的變化自組織地對控制器結(jié)構(gòu)進行調(diào)整,保證了溶解氧和硝態(tài)氮濃度的控制效果。
【關(guān)鍵詞】：污水處理過程 BSM1 PID控制 T-S模糊神經(jīng)網(wǎng)絡(luò) 自組織算法
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：X703;TP183
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-19
• 1.1 課題的背景及研究意義9-11
• 1.1.1 課題背景9-10
• 1.1.2 研究意義10-11
• 1.2 活性污泥法污水處理工藝概述11-12
• 1.3 活性污泥法污水處理過程控制的現(xiàn)狀12-17
• 1.3.1 污水處理過程控制對象12-13
• 1.3.2 污水處理過程控制方法的現(xiàn)狀13-17
• 1.4 課題來源17
• 1.5 論文研究內(nèi)容與結(jié)構(gòu)安排17-19
• 第2章 污水處理動態(tài)特性分析與BSM1測試平臺實現(xiàn)19-37
• 2.1 活性污泥法1號機理模型(ASM1)描述19-24
• 2.1.1 ASM1機理模型組分20-21
• 2.1.2 ASM1的19個參數(shù)21-22
• 2.1.3 ASM1機理模型的8個反應(yīng)過程22-23
• 2.1.4 組分的表觀反應(yīng)速率23-24
• 2.2 BSM1描述24-32
• 2.2.1 生化池模型25-27
• 2.2.2 二沉池模型27-29
• 2.2.3 性能評價指標29-32
• 2.3 BSM1基準仿真平臺測試32-34
• 2.4 污水處理過程控制方案34-35
• 2.5 小結(jié)35-37
• 第3章 基于自適應(yīng)控制策略的PID溶解氧控制37-53
• 3.1 自適應(yīng)PID控制基本方法37-40
• 3.1.1 自整定PID控制方法38-39
• 3.1.2 BP神經(jīng)網(wǎng)絡(luò)39-40
• 3.2 自適應(yīng)PID控制器溶解氧濃度控制系統(tǒng)40-43
• 3.2.1 自適應(yīng)PID溶解氧濃度控制結(jié)構(gòu)40-41
• 3.2.2 參數(shù)自適應(yīng)調(diào)整策略41-42
• 3.2.3 PID控制模塊42-43
• 3.3 自適應(yīng)PID控制器溶解氧濃度控制算法流程43-47
• 3.3.1 控制流程及步驟43-44
• 3.3.2 參數(shù)在線調(diào)整算法表示44-47
• 3.4 實驗仿真及結(jié)果分析47-50
• 3.5 小結(jié)50-53
• 第4章 基于T-SFNN的污水處理多變量自適應(yīng)控制53-67
• 4.1 模糊控制原理53-55
• 4.2 模糊神經(jīng)網(wǎng)絡(luò)介紹55-57
• 4.2.1 模糊神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)55
• 4.2.2 模糊神經(jīng)網(wǎng)絡(luò)計算過程55-57
• 4.3 T-S模糊神經(jīng)網(wǎng)絡(luò)介紹57-60
• 4.3.1 T-S模糊邏輯系統(tǒng)57-58
• 4.3.2 T-S模糊神經(jīng)網(wǎng)絡(luò)58-60
• 4.4 基于T-SFNN的控制系統(tǒng)60-63
• 4.5 實驗仿真及結(jié)果分析63-66
• 4.6 小結(jié)66-67
• 第5章 基于SO-TSFNN的污水處理多變量控制67-83
• 5.1 自組織神經(jīng)網(wǎng)絡(luò)原理67-68
• 5.1.1 自組織系統(tǒng)67-68
• 5.1.2 自組織神經(jīng)網(wǎng)絡(luò)68
• 5.2 自組織算法思想68-69
• 5.3 自組織T-S模糊神經(jīng)網(wǎng)絡(luò)69-72
• 5.3.1 自組織T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)70
• 5.3.2 自組織算法70-72
• 5.4 控制系統(tǒng)設(shè)計72-76
• 5.5 仿真實驗及結(jié)果仿真76-81
• 5.6 小結(jié)81-83
• 結(jié)論與展望83-85
• 參考文獻85-91
• 攻讀碩士學位期間所獲得的研究成果91-93
• 致謝93

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報控制中的應(yīng)用[J];機床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在鋼鐵工業(yè)中的應(yīng)用第8講人工神經(jīng)網(wǎng)絡(luò)在鋼鐵工業(yè)中的應(yīng)用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經(jīng)網(wǎng)絡(luò)在冶金中的應(yīng)用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經(jīng)網(wǎng)絡(luò)及在多組分分析中的初步應(yīng)用[J];計算機與應(yīng)用化學;2000年Z1期

5 王繼宗,王西娟;用神經(jīng)網(wǎng)絡(luò)確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經(jīng)網(wǎng)絡(luò)狀態(tài)預(yù)報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡(luò)的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經(jīng)網(wǎng)絡(luò)在冶金工業(yè)中的應(yīng)用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經(jīng)網(wǎng)絡(luò)進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等�？茖W校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經(jīng)網(wǎng)絡(luò)的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預(yù)測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1009872