活性污泥法污水處理技術(shù)是實(shí)現(xiàn)有機(jī)污水凈化的一種可持續(xù)發(fā)展的方法.污水生化處理過(guò)程具有機(jī)理復(fù)雜、耦合性、非線(xiàn)性和時(shí)變性等特征,采用傳統(tǒng)的方法難以保證污水處理過(guò)程穩(wěn)定、高效運(yùn)行.本論文針對(duì)污水處理運(yùn)行中存在的一些問(wèn)題,研究智能優(yōu)化和控制新方法,實(shí)現(xiàn)污水處理過(guò)程中關(guān)鍵出水水質(zhì)的建模預(yù)測(cè)、重要參數(shù)的優(yōu)化控制和關(guān)鍵控制器的設(shè)計(jì).本文的主要研究?jī)?nèi)容如下:1.針對(duì)污水生化處理系統(tǒng)中一些難以測(cè)量的關(guān)鍵參數(shù)監(jiān)測(cè)問(wèn)題,研究了基于改進(jìn)極限學(xué)習(xí)機(jī)的污水生化處理關(guān)鍵出水水質(zhì)的建模預(yù)測(cè).首先,借鑒了蛙跳算法的模因進(jìn)化機(jī)制,并混合差分進(jìn)化算法和粒子群優(yōu)化算法,提出了一種新的混合智能優(yōu)化算法,并通過(guò)仿真驗(yàn)證其改進(jìn)的尋優(yōu)性能;接著將提出的智能算法用于優(yōu)化極限學(xué)習(xí)機(jī)的隱層節(jié)點(diǎn)參數(shù),獲得了一種改進(jìn)的極限學(xué)習(xí)機(jī),采用基于真實(shí)數(shù)據(jù)集的回歸仿真實(shí)驗(yàn)驗(yàn)證其計(jì)算性能;最后,將所提出的改進(jìn)極限學(xué)習(xí)機(jī)應(yīng)用于污水生化處理中關(guān)鍵出水水質(zhì)的建模預(yù)測(cè)上,取得了良好的預(yù)測(cè)效果.2.針對(duì)污水生化處理系統(tǒng)中關(guān)鍵控制器設(shè)定值的確定問(wèn)題,研究了基于改進(jìn)差分進(jìn)化算法的污水生化處理過(guò)程單目標(biāo)優(yōu)化控制.提出了一種改進(jìn)的差分進(jìn)化算法,基于模因進(jìn)化強(qiáng)化局部學(xué)習(xí)的機(jī)...

【文章頁(yè)數(shù)】：122 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 活性污泥法污水生化處理系統(tǒng)
    1.3 污水生化處理系統(tǒng)的主要研究問(wèn)題及現(xiàn)狀
        1.3.1 污水生化處理系統(tǒng)的出水水質(zhì)預(yù)測(cè)問(wèn)題
        1.3.2 污水生化處理系統(tǒng)的優(yōu)化控制問(wèn)題
        1.3.3 污水生化處理系統(tǒng)的控制策略問(wèn)題
    1.4 智能優(yōu)化及控制方法
        1.4.1 差分進(jìn)化算法
        1.4.2 粒子群優(yōu)化算法
        1.4.3 神經(jīng)網(wǎng)絡(luò)控制方法
    1.5 本文的主要工作
第二章 基于改進(jìn)極限學(xué)習(xí)機(jī)的污水處理過(guò)程關(guān)鍵出水水質(zhì)預(yù)測(cè)
    2.1 引言
    2.2 差分粒子群混合優(yōu)化算法(DEPSO)
        2.2.1 DEPSO算法的提出
        2.2.2 仿真與分析
    2.3 改進(jìn)極限學(xué)習(xí)機(jī)
        2.3.1 基本極限學(xué)習(xí)機(jī)(ELM)
        2.3.2 改進(jìn)極限學(xué)習(xí)機(jī)的提出及性能測(cè)試
    2.4 基于改進(jìn)極限學(xué)習(xí)機(jī)的關(guān)鍵出水水質(zhì)預(yù)測(cè)仿真與分析
    2.5 本章小結(jié)
第三章 基于改進(jìn)差分進(jìn)化算法的污水處理過(guò)程設(shè)定值優(yōu)化
    3.1 引言
    3.2 污水生化處理過(guò)程的設(shè)定值優(yōu)化問(wèn)題
    3.3 一種改進(jìn)的差分進(jìn)化算法(IDE)
        3.3.1 IDE算法的提出
        3.3.2 仿真與分析
    3.4 基于IDE算法的優(yōu)化控制仿真與分析
    3.5 本章小結(jié)
第四章 基于自適應(yīng)差分進(jìn)化算法的污水處理過(guò)程多目標(biāo)優(yōu)化
    4.1 引言
    4.2 污水生化處理過(guò)程的多目標(biāo)優(yōu)化問(wèn)題
    4.3 自適應(yīng)差分進(jìn)化算法(AOLDE)
        4.3.1 AOLDE算法的提出
        4.3.2 仿真與分析
    4.4 基于A(yíng)OLDE算法的污水處理過(guò)程多目標(biāo)優(yōu)化仿真與分析
    4.5 本章小結(jié)
第五章 基于神經(jīng)網(wǎng)絡(luò)的溶解氧濃度控制研究
    5.1 引言
    5.2 溶解氧濃度控制器設(shè)計(jì)
        5.2.1 單神經(jīng)元自適應(yīng)PID溶解氧濃度控制器
        5.2.2 基于RBF神經(jīng)網(wǎng)絡(luò)的溶解氧濃度控制器
    5.3 仿真與分析
        5.3.1 神經(jīng)網(wǎng)絡(luò)訓(xùn)練與控制性能關(guān)系仿真分析
        5.3.2 幾種控制器對(duì)比仿真與分析
    5.4 本章小結(jié)
第六章 基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的溶解氧濃度控制研究
    6.1 引言
    6.2 問(wèn)題描述與預(yù)備
        6.2.1 活性污泥動(dòng)態(tài)模型
        6.2.2 控制目標(biāo)
        6.2.3 RBF神經(jīng)網(wǎng)絡(luò)
    6.3 自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)
        6.3.1 理想非線(xiàn)性反饋控制器
        6.3.2 自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器
    6.4 仿真與分析
    6.5 本章小結(jié)
第七章 基于擾動(dòng)觀(guān)測(cè)器自適應(yīng)神經(jīng)網(wǎng)絡(luò)的溶解氧濃度控制研究
    7.1 引言
    7.2 問(wèn)題描述
    7.3 基于擾動(dòng)觀(guān)測(cè)器的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)
        7.3.1 理想反饋控制器
        7.3.2 基于擾動(dòng)觀(guān)測(cè)器的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制
    7.4 仿真與分析
    7.5 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
攻讀博士學(xué)位期間的研究成果
致謝
附件



本文編號(hào)：3828608