目前活性污泥污水處理工藝普遍存在污泥膨脹現(xiàn)象，但由于其機(jī)理復(fù)雜、涉及面廣和影響因素眾多等特點(diǎn)，傳統(tǒng)的數(shù)學(xué)建模受到挑戰(zhàn)，難以實(shí)現(xiàn)污泥容積指數(shù)（SVI）的在線檢測。而現(xiàn)有的一些智能檢測技術(shù)又存在精度低、耗時長等缺點(diǎn)。因此，本文基于遞歸模糊神經(jīng)網(wǎng)絡(luò)建立了SVI的軟測量模型。它可以在不了解系統(tǒng)變化及變量之間關(guān)系的情況下，實(shí)現(xiàn)參量的高精度預(yù)測。并可以利用神經(jīng)網(wǎng)絡(luò)自組織和自適應(yīng)能力，實(shí)現(xiàn)模型的在線校正，實(shí)時地估計(jì)SVI值。 論文主要的研究工作包括以下幾點(diǎn)： 1.深入研究軟測量技術(shù)，提出了一套較為系統(tǒng)的污水處理水質(zhì)參數(shù)軟測量建模方法。首先，根據(jù)污泥膨脹理論及其產(chǎn)生原因，分析了污泥膨脹形成機(jī)理，歸納總結(jié)了影響SVI變化的13個水質(zhì)參量，并通過主元分析法確定主要輔助變量。其次，基于Elman神經(jīng)網(wǎng)絡(luò)建立了SVI的軟測量模型，實(shí)現(xiàn)了SVI的預(yù)測。最后，通過仿真實(shí)驗(yàn)及性能分析，證明過了該模型的有效性和可行性。 2.為了進(jìn)一步的提高SVI軟測量模型的預(yù)測精度，本文結(jié)合Elman神經(jīng)網(wǎng)絡(luò)和T-S模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，提出了一種動態(tài)T-S模糊Elman神經(jīng)網(wǎng)絡(luò)（DTSFEN），實(shí)現(xiàn)了DTSFEN學(xué)習(xí)算法的推導(dǎo)。并基...

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
目錄
第1章 緒論
    1.1 課題背景及研究意義
        1.1.1 課題背景
        1.1.2 研究意義
    1.2 污泥膨脹檢測技術(shù)的研究現(xiàn)狀
        1.2.1 國內(nèi)外污泥膨脹檢測技術(shù)的現(xiàn)狀
        1.2.2 污泥膨脹檢測中現(xiàn)存的問題
    1.3 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)現(xiàn)狀
    1.4 課題來源
    1.5 研究內(nèi)容與論文安排
第2章 污泥容積指數(shù) SVI 的軟測量結(jié)構(gòu)設(shè)計(jì)
    2.1 軟測量技術(shù)的研究
        2.1.1 概述
        2.1.2 輔助變量的選取及數(shù)據(jù)預(yù)處理
        2.1.3 軟測量模型的建立
        2.1.4 離線訓(xùn)練模型
        2.1.5 在線校正
    2.2 SVI 的軟測量結(jié)構(gòu)
        2.2.1 污泥膨脹的機(jī)理分析
        2.2.2 SVI 的影響因素
        2.2.3 SVI 軟測量模型的建立
    2.3 仿真實(shí)驗(yàn)及結(jié)果分析
    2.4 本章小結(jié)
第3章 T-S 模糊 Elman 神經(jīng)網(wǎng)絡(luò)
    3.1 Elman 神經(jīng)網(wǎng)絡(luò)
        3.1.1 Elman 神經(jīng)網(wǎng)絡(luò)及學(xué)習(xí)算法
        3.1.2 Elman 網(wǎng)絡(luò)建模的優(yōu)點(diǎn)及不足
    3.2 T-S 模糊神經(jīng)網(wǎng)絡(luò)
        3.2.1 T-S 模糊模型
        3.2.2 T-S 模糊神經(jīng)網(wǎng)絡(luò)及其特點(diǎn)
    3.3 T-S 模糊 Elman 神經(jīng)網(wǎng)絡(luò)
        3.3.1 T-S 模糊 Elman 網(wǎng)絡(luò)的結(jié)構(gòu)
        3.3.2 DTSFEN 的學(xué)習(xí)算法
    3.4 網(wǎng)絡(luò)收斂性證明
        3.4.1 Lyapunov 穩(wěn)定性定理
        3.4.2 DTSFEN 的收斂性分析
    3.5 DTSFEN 網(wǎng)絡(luò)的性能分析
    3.6 本章小結(jié)
第4章 基于 SOTSFEN 的 SVI 軟測量
    4.1 輔助變量的精選
        4.1.1 數(shù)據(jù)來源與數(shù)據(jù)預(yù)處理
        4.1.2 主元分析法及輔助變量精選
    4.2 自組織 T-S 模糊 Elman 神經(jīng)網(wǎng)絡(luò)
    4.3 DTSFEN 的自組織學(xué)習(xí)算法
        4.3.1 線性參數(shù)的調(diào)整
        4.3.2 非線性參數(shù)的學(xué)習(xí)
        4.3.3 模糊規(guī)則的產(chǎn)生準(zhǔn)則
        4.3.4 模糊規(guī)則的修剪策略
        4.3.5 SOTSFEN 的性能分析
    4.4 基于 PCA-SOTSFEN 的 SVI 軟測量
        4.4.1 軟測量模型結(jié)構(gòu)及在線校正
        4.4.2 仿真實(shí)驗(yàn)及結(jié)果分析
    4.5 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝



本文編號：3812049