發(fā)布時間：2020-07-02 19:27

【摘要】：污水處理過程是一個大型流程工業(yè)過程，它受到進水流量和污泥負荷中的大擾動以及進流污水中的不確定混合成分影響嚴重，因此，保證污水處理過程的平穩(wěn)運行是污水處理過程控制研究的首要問題；同時，目前我國城市污水處理廠廣泛存在著電能消耗大、運行成本高的現(xiàn)象，在滿足污水處理效果的條件下，實現(xiàn)污水處理過程的節(jié)能降耗是亟待解決的問題。 實時優(yōu)化（Real time optimization，RTO）控制方法已成為解決復雜流程工業(yè)過程優(yōu)化與控制的有效手段。實時優(yōu)化控制方法將回路控制與過程運行優(yōu)化相結合，采用兩層結構，上層通過計劃調度優(yōu)化經(jīng)濟性能指標，產(chǎn)生底層控制回路的設定值；底層通過控制器使被控變量跟蹤設定值，從而盡可能使過程運行在經(jīng)濟優(yōu)化狀態(tài)。污水處理過程的實時優(yōu)化控制策略在實時優(yōu)化層以保證出水水質條件為約束，降低系統(tǒng)能耗為目標，優(yōu)化系統(tǒng)的性能指標，產(chǎn)生控制變量的設定值；在跟蹤控制層，以系統(tǒng)運行的平穩(wěn)性和控制效果的高精度為目標，實現(xiàn)優(yōu)化設定值的跟蹤控制。 人工神經(jīng)網(wǎng)絡（Artificial neural network，ANN）是實現(xiàn)RTO控制的重要工具。神經(jīng)網(wǎng)絡的在線學習能力使其在作為在線控制器方面具有得天獨厚的優(yōu)勢；同時，因為具有很強的非線性逼近能力，神經(jīng)網(wǎng)絡在對未知數(shù)學模型的非線性系統(tǒng)的建模中具有很好的效果。增廣拉格朗日乘子法（Augmented Lagrangemultiplier method, ALM）解決非線性規(guī)劃問題能力強，是解決RTO實時優(yōu)化層非線性規(guī)劃問題的重要方法。 以污水處理過程這一大型流程工業(yè)過程的實時優(yōu)化控制問題作為研究背景，采用基于神經(jīng)網(wǎng)絡的實時優(yōu)化控制方法展開研究。主要研究內容如下： (1)污水處理過程的特性分析和仿真平臺測試 以前置反硝化工藝污水處理過程為研究對象，分析其處理特點，并對三種不同天氣工況下的進水特點進行了分析�；趪H水協(xié)會（International WaterAssociation，IWA）和歐盟合作組織COST提出的污水處理過程基準仿真平臺BSM1(Benchmark Simulation Model No.1)，對前置反硝化工藝污水處理過程展開了進一步的研究，分析了生化池的反應特性和二沉池的沉降模型，并通過實驗驗證了搭建的BSM1仿真平臺的有效性。 (2)提出了一種基于神經(jīng)網(wǎng)絡的在線建模與控制方法 污水處理過程跟蹤控制層的研究目標是通過控制實現(xiàn)系統(tǒng)的平穩(wěn)運行，并提高控制精度。根據(jù)污水處理過程的非線性、強耦合、模型未知等特點，本文提出了一種基于前饋神經(jīng)網(wǎng)絡的在線建模與控制（Neural network online modeling andcontrolling，NNOMC）方法。針對污水處理過程大時變、模型未知的問題，利用前饋神經(jīng)網(wǎng)絡的非線性函數(shù)逼近特性，設計了對污水處理過程在線建模的建模神經(jīng)網(wǎng)絡(Modeling Neural Network, MNN)；針對污水處理過程非線性、強耦合的特點，基于前饋神經(jīng)網(wǎng)絡的在線學習能力，設計了在線神經(jīng)網(wǎng)絡控制器（Neuralnetwork controller, NNC）實現(xiàn)污水處理過程的串級跟蹤控制。為了保證設計的NNOMC方法的有效性，本文從理論方面給出了NNOMC控制方法的穩(wěn)定性分析，結果表明保證建模神經(jīng)網(wǎng)絡和神經(jīng)網(wǎng)絡控制器的隱含層學習率在合適的范圍內，能夠確保NNOMC控制系統(tǒng)的穩(wěn)定性。分別將設計的NNOMC控制方法應用于污水處理過程生化池第五分區(qū)溶解氧濃度的單變量控制和污水處理過程的多變量控制中，實驗證明NNOMC控制方法能夠保證污水處理過程的平穩(wěn)運行，且具有很高的控制精度；實驗同時表明，NNOMC方法針對多變量控制中的強耦合問題，具有很強的解耦能力。 (3)提出了一種基于神經(jīng)網(wǎng)絡建模的增廣拉格朗日乘子法優(yōu)化方法 污水處理過程實時優(yōu)化層的計劃調度分為兩個方面：出水水質的達標和系統(tǒng)能耗的降低。根據(jù)這兩點，本文構造了污水處理過程的不等式約束優(yōu)化問題。因為污水處理過程能耗、水質與優(yōu)化變量設定值之間模型未知的特點，構造的污水處理過程的約束優(yōu)化問題是一個黑箱約束優(yōu)化問題。本文提出了一種基于前饋神經(jīng)網(wǎng)絡建模的增廣拉格朗日乘子法（Neural network based augmented Lagrangemultiplier，NNALM）優(yōu)化方法，利用神經(jīng)網(wǎng)絡分別建立能耗與優(yōu)化設定值、水質與優(yōu)化設定值的在線模型，并根據(jù)增廣拉格朗日乘子法實現(xiàn)對污水處理過程黑箱約束優(yōu)化問題的在線求解。通過理論角度的分析，在選取合適的增廣拉格朗日乘子法學習率的情況下，可以保證NNALM在線優(yōu)化過程的穩(wěn)定性和收斂性。將NNALM優(yōu)化方法應用于以出水水質為約束，降低系統(tǒng)能耗為目標的污水處理過程優(yōu)化仿真實驗中，結果表明NNALM算法能夠有效地在線優(yōu)化控制變量的設定值，以此作為跟蹤控制的目標，能夠在滿足出水水質的情況下，實現(xiàn)系統(tǒng)能耗的降低。 (4)污水處理過程的實時優(yōu)化控制 結合提出的NNOMC控制方法和NNALM優(yōu)化方法，提出了基于NNALM優(yōu)化NNOMC控制的污水處理過程RTO控制結構。在仿真實驗設計中分別選擇了合適的NNOMC方法參數(shù)、NNALM方法參數(shù)以及優(yōu)化參數(shù)。在三種不同天氣的工況下，基于BSM1展開了NNALM優(yōu)化NNOMC控制的仿真實驗研究。實驗表明，基于NNALM優(yōu)化、NNOMC控制的污水處理過程多變量RTO控制能夠保證污水處理過程的平穩(wěn)運行，并取得了較高的控制精度；同時在保證甚至優(yōu)化出水水質的情況下，有效的降低了系統(tǒng)的能耗，節(jié)能效果顯著。
【學位授予單位】：北京工業(yè)大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：X703
【圖文】：

圖 2-1 前置反硝化污水處理工藝流程結構圖Fig.2-1 The structure of denitrification wastewater treatment process如圖 2-1 所示，前置反硝化污水處理過程的布局結構主要分為兩部分，包括生化反應池和沉淀池（也稱為二沉池），兩個分區(qū)采用級聯(lián)形式相聯(lián)系。生化池的前兩個分區(qū)為缺氧區(qū)，后三個分區(qū)為好氧區(qū)，生化池第五分區(qū)的部分污泥以內回流的形式與進水相混合返回生化池的第一分區(qū)。二沉池采用十層結構，上清液作為處理好的清水排出，沉積下的污泥一部分通過外回流重新返回生化反應池，一部分以過剩的廢棄污泥排出。A/O 法脫氮工藝的優(yōu)點[148]：(1) 流程簡單，以原污水為碳源，無需外加碳源和后曝氣池，建設、運行消耗低；(2) 反硝化過程在前，硝化過程在后，設內循環(huán)，以原污水中的有機底物作為碳源，反硝化反應充分，水質處理效果好；(3) 曝氣池在后，使反硝化殘留物得以進一步去除，提高了水處理質量；

超調量和最大偏差分別為1.36%和 0.03 以及 1.28%和 0.23，均優(yōu)于 PID 控制和 MPC 控制的數(shù)據(jù). 基于圖3-22 和表 3-11，可以得到這樣的結論：在系統(tǒng)溶解氧濃度設定值發(fā)生階躍變化的時候，NNOMC 方法對比于其他兩種控制方法的具有更好的動態(tài)性能，響應后的超調量以及震蕩幅度小，能夠更快的追蹤設定值的變化。這意味著在大時變、非

【相似文獻】

相關期刊論文 前10條

1 趙立杰,柴天佑,黃肖玲;城市污水處理過程綜合自動化系統(tǒng)及其應用[J];計算機集成制造系統(tǒng);2005年01期

2 樊立萍,于海斌,袁德成;污水處理過程儀表技術的研究現(xiàn)狀[J];自動化儀表;2005年01期

3 楊明珍;汪國剛;;污水處理過程中膜故障分析與防治對策[J];工業(yè)安全與環(huán)保;2006年08期

4 張凱松;周啟星;;可持續(xù)的污水處理過程與展望[J];生態(tài)學雜志;2006年09期

5 朱學峰;黃道平;李艷;;污水處理過程的控制與優(yōu)化[J];自動化博覽;2009年S1期

6 劉天龍;沈文浩;;污水處理過程中故障診斷專家系統(tǒng)的應用[J];造紙科學與技術;2011年02期

7 劉文波;王霞;李來鴻;薄迎春;;神經(jīng)網(wǎng)絡自適應動態(tài)規(guī)劃在污水處理過程控制中的應用[J];化工自動化及儀表;2012年11期

8 薛美盛;劉飛;;污水處理過程的非線性預測控制研究[J];化工自動化及儀表;2013年05期

9 徐恭賢;韓雪;;非線性污水處理過程的多目標優(yōu)化[J];化工學報;2013年10期

10 張潮生;;工業(yè)污水處理過程的檢測儀表儀表的選擇和安裝[J];煉油工業(yè)環(huán)境保護;1983年01期

相關會議論文 前10條

1 謝瑩;樊立萍;;基于模式識別的污水處理過程研究[A];第八屆全國信息獲取與處理學術會議論文集[C];2010年

2 E.Drioli;E.Curcio;;脫鹽和污水處理過程強化策略(英文)[A];中國膜科學與技術報告會論文集[C];2003年

3 孫紅文;;污水處理過程中新型污染物研究[A];中國化學會第26屆學術年會環(huán)境化學分會場論文集[C];2008年

4 馬興杰;胡建英;邵兵;楊敏;;壬基酚聚氧乙烯醚在污水處理過程中的遷移轉化行為[A];Risk Assessment of Toxic Chemicals--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

5 溫瑞;;JX300X DCS在污水處理過程中的應用[A];第七屆工業(yè)儀表與自動化學術會議論文集[C];2006年

6 李松源;王雷;賈磊;;污水處理過程的PID控制[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

7 馮麗輝;彭向華;賴華;畢貴紅;;A~2/O污水處理過程出水水質的多元線性回歸軟測量模型[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責任和對策（上冊）[C];2002年

8 崔玉理;;VI在污水處理過程中的應用研究[A];首屆沂蒙科技論壇論文集[C];2008年

9 甄博然;韓紅桂;喬俊飛;;基于增長型神經(jīng)網(wǎng)絡的污水處理過程溶解氧控制[A];2009年中國智能自動化會議論文集（第六分冊）[中南大學學報（增刊）][C];2009年

10 樊立萍;徐陽;;基于KPCA的污水處理過程監(jiān)視[A];第三屆全國信息獲取與處理學術會議論文集[C];2005年

相關重要報紙文章 前10條

1 周美玲 許洪全;天津石化強化污水處理過程控制[N];中國石化報;2006年

2 童建國;科學技術在污水處理過程中的應用[N];中國建設報;2008年

3 董鵬宇;關注水污染治理[N];吉林日報;2008年

4 特約記者 董新光;優(yōu)化運行增效千萬元[N];中國石油報;2008年

5 夏曉;變環(huán)境包袱為企業(yè)財富[N];江西日報;2007年

6 任相國邋許明星;綜合利用收獲多點效益[N];德州日報;2008年

7 記者 陶克強　通訊員 胡永華;平湖企業(yè)勁吹“低碳經(jīng)濟”之風[N];嘉興日報;2009年

8 楊靜;金沂蒙:變傳統(tǒng)模式為循環(huán)模式[N];中國化工報;2011年

9 本報記者 王軼慧;污泥令煤成“型”[N];中國環(huán)境報;2012年

10 本報記者 陳丹;減輕鉛污染 污泥有奇效[N];科技日報;2003年

相關博士學位論文 前5條

1 張晶;污水處理過程模擬及系統(tǒng)軟件開發(fā)[D];大連理工大學;2011年

2 韋安磊;污水處理過程數(shù)學模型方法及其關鍵技術研究[D];湖南大學;2010年

3 韓廣;基于神經(jīng)網(wǎng)絡的污水處理過程實時優(yōu)化控制研究[D];北京工業(yè)大學;2014年

4 李曉晨;城市污水處理過程中重金屬形態(tài)分布及潛在遷移性研究[D];河海大學;2006年

5 劉俊建;典型持久性有機污染物在城市污水處理過程中的遷移轉化規(guī)律研究[D];西安建筑科技大學;2011年

相關碩士學位論文 前10條

1 李萬東;污水處理過程實時控制及軟測量方法研究[D];北京工商大學;2010年

2 黃曉琪;污水處理過程節(jié)能優(yōu)化控制方法的研究[D];北京工業(yè)大學;2013年

3 史雄偉;污水處理過程的智能優(yōu)化控制方法研究[D];北京工業(yè)大學;2011年

4 劉超彬;基于模糊神經(jīng)網(wǎng)絡的污水處理過程智能控制方法研究[D];北京工業(yè)大學;2006年

5 王翠彥;污水處理過程中鄰苯二甲酸酯類物質的分布及去除規(guī)律研究[D];山東建筑大學;2013年

6 孔國棟;城市生活污水處理過程中職業(yè)病危害探討[D];中國海洋大學;2008年

7 謝生鋼;基于活性污泥模型的污水處理過程預測控制方法研究[D];浙江大學;2008年

8 邱啟旺;污水處理過程中的模糊控制研究[D];浙江大學;2011年

9 趙清華;城市污水處理過程中重金屬分布特性及形態(tài)研究[D];山東大學;2008年

10 楊婷;污水處理過程的模糊建模與控制[D];哈爾濱工業(yè)大學;2011年

本文編號：2738584