本文關(guān)鍵詞：基于自組織模糊神經(jīng)網(wǎng)絡(luò)的污水處理多目標模型預測控制研究

  更多相關(guān)文章： 污水處理過程 非線性模型預測控制 非線性多目標模型預測控制 自組織模糊神經(jīng)網(wǎng)絡(luò) 自適應二階算法

【摘要】：污水處理過程是一個典型的復雜流程工業(yè)過程,具有流程工業(yè)過程普遍存在的非線性、強耦合性、不確定性、大時變等特點;尤其是污水處理的進水流量和進水成分被動接受、生化反應過程復雜多變、過程參數(shù)難以獲取、對象模型不明確等,使得污水處理過程控制非常困難、出水水質(zhì)難以達標、污水處理運行過程耗能嚴重。因此,圍繞如何保證污水處理平穩(wěn)運行、出水水質(zhì)達標、節(jié)能降耗等關(guān)鍵問題展開研究,探索智能控制方法與技術(shù),對實現(xiàn)污水處理過程的有效控制具有重要的意義。模型預測控制已廣泛地應用于復雜流程工業(yè)過程,但是由于污水處理過程對象的是一個強非線性系統(tǒng),難以建立其精確的模型,一般的模型預測控制難以適應污水處理控制的需求,無法自適應動態(tài)的跟蹤對象的變化,導致控制精度無法保證。為了解決污水處理過程模型難以建立的問題,文中提出了一種非線性模型預測控制方法,該非線性模型預測控制方法采用自組織模糊神經(jīng)網(wǎng)絡(luò)建立污水處理過程的預測模型,基于預測模型實現(xiàn)了污水處理過程溶解氧的精確控制,具有控制精度高,自適應能力強的特點。同時,為了達到污水處理的平穩(wěn)運行的同時降低污水處理過程的能耗,設(shè)計了一種非線性多目標模型預測控制方法,完成了溶解氧和硝態(tài)氮等重要控制變量的控制,保證了污水處理過程的穩(wěn)定運行,達到了出水水質(zhì)達標和節(jié)能降耗的目的。論文主要研究工作和創(chuàng)新點如下:1.污水處理過程預測模型研究;針對污水處理控制中對象模型難以建立的問題,提出一種基于自組織模糊神經(jīng)網(wǎng)絡(luò)的污水處理過程預測模型,其能夠建立準確的對象模型,并提供精確的預測值,確�？刂破鳒蚀_的跟蹤未來軌跡。提出的自組織模糊神經(jīng)網(wǎng)絡(luò)(SOA-SOFNN)預測模型可以并發(fā)優(yōu)化過程參數(shù)和優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)。首先,網(wǎng)絡(luò)利用具有自適應學習率的二階算法調(diào)整網(wǎng)絡(luò)的參數(shù),該算法保證了網(wǎng)絡(luò)的收斂性和尋優(yōu)的精度;然后,通過網(wǎng)絡(luò)性能指標和基于相對重要性的神經(jīng)網(wǎng)絡(luò)活躍性指標對網(wǎng)絡(luò)結(jié)構(gòu)進行動態(tài)調(diào)整,并通過網(wǎng)絡(luò)補償保證網(wǎng)絡(luò)的收斂性,以提高網(wǎng)絡(luò)的泛化能力;以上設(shè)計都是為增加模型識別污水處理過程特征的能力。最后對預測模型的收斂性進行了證明。該預測模型為污水處理過程中的數(shù)據(jù)預測提供了可靠的手段。2.污水處理過程非線性模型預測控制方法研究;針對活性污泥法過程中溶解氧控制的必要性,以及控制手段單一,缺乏自適應能力的問題,提出了基于自組織模糊神經(jīng)網(wǎng)絡(luò)的非線性模型預測控制方法(SOA-SOFNN-MPC),該模型具有極好的非線性解決能力和自適應能力。其可以通過網(wǎng)絡(luò)的結(jié)構(gòu)調(diào)整來自適應跟蹤污水處理系統(tǒng),動態(tài)的維持預測精度,實時跟蹤污水處理的特征。另外,該控制策略的穩(wěn)定性得到了證明。通過在BSM1模型的實際應用,不僅有效的提高了溶解氧的控制精度,避免了溶解氧過高過低影響活性污泥的正常反應,還提高了出水質(zhì)量并且降低了能耗。3.污水處理過程非線性多目標模型預測控制方法;針對污水處理系統(tǒng)多變量、多參數(shù)、強耦合的特點,綜合考慮污水處理過程中的多個控制回路,避免耦合帶來的控制問題,以此來進一步提高出水水質(zhì),并降低能耗。解決方案為采用基于自組織模糊神經(jīng)網(wǎng)絡(luò)的多目標模型預測控制策略。該控制策略也引入了自組織模糊神經(jīng)網(wǎng)絡(luò)來識別對象,并通過多個模型有效的對污水處理系統(tǒng)進行解耦,同時采用多目標線性規(guī)劃方法(mp-moLP)來進行控制器的優(yōu)化。同樣,該方法的穩(wěn)定性也得到了證明,保證了控制策略的可靠性。同時,經(jīng)過BSM1上的驗證,證明了該方法能有效的對溶解氧和硝態(tài)氮實現(xiàn)跟蹤,并且進一步改善了污水處理系統(tǒng)的性能。
【關(guān)鍵詞】：污水處理過程 非線性模型預測控制 非線性多目標模型預測控制 自組織模糊神經(jīng)網(wǎng)絡(luò) 自適應二階算法
【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4-6
• Abstract6-10
• 第1章 緒論10-20
• 1.1 課題背景及研究意義10-12
• 1.1.1 課題背景10-11
• 1.1.2 研究意義11-12
• 1.2 污水處理過程國內(nèi)外研究現(xiàn)狀12-17
• 1.2.1 污水處理工藝發(fā)展現(xiàn)狀12-14
• 1.2.2 污水處理控制國內(nèi)外研究現(xiàn)狀14-17
• 1.3 課題來源17
• 1.4 研究內(nèi)容及論文安排17-20
• 第2章 污水處理過程控制平臺設(shè)計20-32
• 2.1 污水處理過程特征分析20-23
• 2.1.1 污水處理過程生化反應特征20-21
• 2.1.2 污水處理的影響因素21-23
• 2.2 污水處理控制平臺23-24
• 2.3 BSM1基準仿真平臺24-31
• 2.3.1 BSM1模型生化反應池24-28
• 2.3.2 BSM1模型二沉池28-30
• 2.3.3 BSM1模型評價標準30-31
• 2.4 本章小結(jié)31-32
• 第3章 自組織模糊神經(jīng)網(wǎng)絡(luò)預測模型32-50
• 3.1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分析32-33
• 3.2 自組織模糊神經(jīng)網(wǎng)絡(luò)預測模型33-39
• 3.2.1 自適應改進二階優(yōu)化算法34-36
• 3.2.2 神經(jīng)元的相對重要性評價指標36-37
• 3.2.3 基于相對重要性的自組織機制37-38
• 3.2.4 自組織模糊神經(jīng)網(wǎng)絡(luò)的算法步驟38-39
• 3.3 自組織模糊神經(jīng)網(wǎng)絡(luò)收斂性分析39-42
• 3.3.1 結(jié)構(gòu)固定階段39-41
• 3.3.2 結(jié)構(gòu)自組織階段41-42
• 3.4 實驗結(jié)果及結(jié)果分析42-48
• 3.5 本章小結(jié)48-50
• 第4章 基于神經(jīng)網(wǎng)絡(luò)的溶解氧模型預測控制50-62
• 4.1 溶解氧的模型預測控制50-53
• 4.1.1 溶解氧模型預測控制器設(shè)計51-52
• 4.1.2 溶解氧模型預測控制器優(yōu)化算法52-53
• 4.1.3 溶解氧模型預測控制的算法步驟53
• 4.2 溶解氧模型預測控制穩(wěn)定性分析53-54
• 4.3 實驗結(jié)果及結(jié)果分析54-60
• 4.3.1 SOA-SOFNN建模和評價55-56
• 4.3.2 溶解氧的在線模型預測控制56-59
• 4.3.3 實驗結(jié)果分析59-60
• 4.4 本章小結(jié)60-62
• 第5章 污水處理多目標模型預測控制62-76
• 5.1 污水多目標模型預測控制結(jié)構(gòu)62-65
• 5.1.1 污水多目標模型預測控制器設(shè)計62-63
• 5.1.2 污水多目標模型預測控制器優(yōu)化算法63-65
• 5.1.3 污水多目標模型預測控制算法步驟65
• 5.2 污水多目標模型預測控制穩(wěn)定性分析65-67
• 5.3 實驗結(jié)果及結(jié)果分析67-73
• 5.3.1 SOA-SOFNN模型預測67-68
• 5.3.2 非線性多目標控制器評價68-72
• 5.3.3 實驗結(jié)果分析72-73
• 5.4 本章小結(jié)73-76
• 結(jié)論與展望76-78
• 參考文獻78-84
• 攻讀碩士學位期間的成果84
• 攻讀碩士學位期間所獲獎勵84-86
• 致謝86

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王爽;朱棟華;王家凱;;模糊神經(jīng)網(wǎng)絡(luò)的理論與應用[J];江蘇環(huán)境科技;2007年S2期

2 李恒嵬;;模糊神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀綜述[J];遼寧科技學院學報;2010年02期

3 宋彬彬;;模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展與應用[J];煤炭技術(shù);2012年07期

4 劉平,程翼宇;辨識藥物定量構(gòu)效關(guān)系的模糊神經(jīng)網(wǎng)絡(luò)方法研究[J];高等學�；瘜W學報;2000年10期

5 孫增圻;模糊神經(jīng)網(wǎng)絡(luò)及其在系統(tǒng)建模與控制中的應用[J];南京化工大學學報(自然科學版);2000年04期

6 肖文暉,劉亞斌,王思存;燃氣小時負荷的模糊神經(jīng)網(wǎng)絡(luò)預測[J];煤氣與熱力;2002年01期

7 劉軍;崔紅;龐中華;李桂麗;;基于綜合算法的補償模糊神經(jīng)網(wǎng)絡(luò)建模方法[J];青島科技大學學報(自然科學版);2006年01期

8 付家才;石娟;唐旭華;;基于陰陽調(diào)和的模糊神經(jīng)網(wǎng)絡(luò)[J];黑龍江科技學院學報;2007年03期

9 路永輝;馬翠紅;;小波模糊神經(jīng)網(wǎng)絡(luò)在高爐爐溫預測中的應用[J];四川冶金;2008年06期

10 劉燦;;模糊神經(jīng)網(wǎng)絡(luò)及其在醫(yī)學診斷中的應用[J];化學工程與裝備;2010年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李仁發(fā);乜崇義;;一種用模糊神經(jīng)網(wǎng)絡(luò)建立模糊模型的新方法[A];1996年中國智能自動化學術(shù)會議論文集（上冊）[C];1996年

2 舒賽剛;任雪梅;陳杰;;模糊神經(jīng)網(wǎng)絡(luò)在混沌預測中的應用[A];第二十屆中國控制會議論文集（下）[C];2001年

3 張劍輝;彭力;林行辛;;變結(jié)構(gòu)的補償模糊神經(jīng)網(wǎng)絡(luò)的研究[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

4 林雄;張福金;黃槐仁;劉煜;;進化模糊神經(jīng)網(wǎng)絡(luò)在時序預測的應用[A];計算機技術(shù)與應用進展——全國第17屆計算機科學與技術(shù)應用（CACIS）學術(shù)會議論文集（上冊）[C];2006年

5 謝維信;錢濤;;模糊神經(jīng)網(wǎng)絡(luò)研究述評[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 陳一飛;李懷;;模糊神經(jīng)網(wǎng)絡(luò)在室內(nèi)采光控制中的應用[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

7 榮莉莉;;模糊神經(jīng)網(wǎng)絡(luò)在項目評價系統(tǒng)中的應用[A];全國青年管理科學與系統(tǒng)科學論文集第5卷[C];1999年

8 孫增圻;;模糊神經(jīng)網(wǎng)絡(luò)及其在系統(tǒng)建模與控制中的應用[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

9 馬海峰;李晨光;唐濤;;基于模糊神經(jīng)網(wǎng)絡(luò)的列車運行安全控制[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

10 王孫安;杜海峰;;基于相平面的模糊神經(jīng)網(wǎng)絡(luò)研究及應用[A];第一屆全國流體動力及控制工程學術(shù)會議論文集[C];2000年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 何春梅;模糊神經(jīng)網(wǎng)絡(luò)的性能及其學習算法研究[D];南京理工大學;2010年

2 李龍;模糊神經(jīng)網(wǎng)絡(luò)學習算法及收斂性研究[D];大連理工大學;2010年

3 翟東海;加乘型模糊神經(jīng)網(wǎng)絡(luò)理論和應用的研究[D];西南交通大學;2003年

4 楊潔;模糊神經(jīng)網(wǎng)絡(luò)的學習收斂性與閾值可去性[D];大連理工大學;2006年

5 艾芳菊;模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化研究[D];中國科學院研究生院（成都計算機應用研究所）;2006年

6 王振雷;模糊神經(jīng)網(wǎng)絡(luò)理論及其在復雜系統(tǒng)中的應用研究[D];東北大學;2002年

7 孫海蓉;模糊神經(jīng)網(wǎng)絡(luò)的研究及其應用[D];華北電力大學（河北）;2006年

8 周志堅;基于遺傳算法的神經(jīng)模糊技術(shù)應用研究[D];華南理工大學;1999年

9 朱喜林;模糊神經(jīng)網(wǎng)絡(luò)選擇機械加工參數(shù)的應用研究[D];吉林大學;2006年

10 陳向堅;微型飛行器姿態(tài)的智能控制方法研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 曹甄;基于模糊神經(jīng)網(wǎng)絡(luò)的橋梁狀態(tài)評價[D];天津大學;2009年

2 程冰;模糊神經(jīng)網(wǎng)絡(luò)研究[D];廣東工業(yè)大學;2005年

3 王玉紅;基于模糊神經(jīng)網(wǎng)絡(luò)的信用風險評級研究[D];哈爾濱工程大學;2006年

4 王雪苗;模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化及應用研究[D];大連理工大學;2006年

5 馬秀會;模糊神經(jīng)網(wǎng)絡(luò)研究綜述[D];吉林大學;2008年

6 徐坤哲;基于區(qū)間二型TSK模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)的時間序列預測及應用研究[D];渤海大學;2015年

7 王萌;基于模糊神經(jīng)網(wǎng)絡(luò)的高壓不對稱脈沖軌道電路故障診斷[D];北京交通大學;2016年

8 程林中;基于模糊神經(jīng)網(wǎng)絡(luò)的輸電線路故障診斷系統(tǒng)研究[D];安徽理工大學;2016年

9 于沙家;基于模糊神經(jīng)網(wǎng)絡(luò)的熱電廠脫硫系統(tǒng)建模與控制研究[D];青島科技大學;2016年

10 曲代麗;基于模糊神經(jīng)網(wǎng)絡(luò)的駕駛員制動意圖辨識技術(shù)研究[D];長春工業(yè)大學;2016年

，

本文編號：700287