污水生化处理系统的智能预测及优化控制策略研究

【摘要】：活性污泥法污水处理技术是实现有机污水净化的一种可持续发展的方法.污水生化处理过程具有机理复杂、耦合性、非线性和时变性等特征,采用传统的方法难以保证污水处理过程稳定、高效运行.本论文针对污水处理运行中存在的一些问题,研究智能优化和控制新方法,实现污水处理过程中关键出水水质的建模预测、重要参数的优化控制和关键控制器的设计.本文的主要研究内容如下:1.针对污水生化处理系统中一些难以测量的关键参数监测问题,研究了基于改进极限学习机的污水生化处理关键出水水质的建模预测.首先,借鉴了蛙跳算法的模因进化机制,并混合差分进化算法和粒子群优化算法,提出了一种新的混合智能优化算法,并通过仿真验证其改进的寻优性能;接着将提出的智能算法用于优化极限学习机的隐层节点参数,获得了一种改进的极限学习机,采用基于真实数据集的回归仿真实验验证其计算性能;最后,将所提出的改进极限学习机应用于污水生化处理中关键出水水质的建模预测上,取得了良好的预测效果.2.针对污水生化处理系统中关键控制器设定值的确定问题,研究了基于改进差分进化算法的污水生化处理过程单目标优化控制.提出了一种改进的差分进化算法,基于模因进化强化局部学习的机制改善了算法的寻优性能;综合污水处理系统的运行代价、出水水质代价等函数作为单目标优化函数,在国际水协会提供的BSM1(Benchmark Simulation Model no.1)平台上进行优化控制仿真实验,结果表明优化后的系统可以降低运行代价、减少关键出水水质变量的越限时间,并提高出水水质.3.研究基于改进差分进化算法的污水生化处理系统多目标优化问题.提出了一种自适应且具有优秀个体强化学习的差分进化算法,并通过仿真验证其寻优性能;在BSM1平台上,研究了在微生物风险约束下以系统运行代价和出水水质代价为多目标函数的优化控制,仿真结果表明,多目标优化方法避免了单目标优化方法中权值难以确定的问题,多目标优化结果Pareto近优解集,不仅保证了污水处理系统的良好运行效果,而且还为运行人员提供了更多的可行方案.4.针对污水生化处理过程溶解氧浓度控制器的设计问题,研究了两种控制器,采用有监督Hebb学习规则的单神经元自适应PID控制器和RBF神经网络控制器;并仿真验证了RBF神经网络控制器性能与神经网络训练数据数目之间的关系,在简化的BSM1平台上对比了两种控制器的控制性能.5.针对好氧池溶解氧浓度控制问题,提出了一种无需训练的自适应神经网络控制器.首先,基于简化的溶解氧浓度模型,设计了一种理想非线性反馈控制器;然后,针对理想控制器不可实现的特点,设计了自适应RBF神经网络的控制器;接着,基于Lyapunov稳定性理论,证明了在所提出的神经网络控制器作用下,闭环系统的状态变量、输出变量均具有半全局有界特性.实验仿真进一步验证了该控制器无需事先训练仍然能达到良好的控制效果.6.考虑污水处理系统受到的外部扰动,设计了基于扰动观测器的自适应神经网络的溶解氧浓度控制器.首先,基于简化的溶解氧浓度模型,设计了一种新的理想反馈控制器;然后,针对理想控制器中的不确定未知函数,应用RBF神经网络进行拟合;系统的外部扰动和神经网络拟合误差综合为一个总的扰动,并设计非线性扰动观测器对它进行估计;接着,应用Lyapunov稳定性理论证明了在所提出的神经网络控制器作用下,系统的状态变量、输出变量、扰动估计误差、神经网络的权值均具有半全局有界特性.最后,仿真验证了所提出的方法具有良好的稳定性能和鲁棒性能. 【关键词】：污水生化处理系统 优化 差分进化算法 自适应控制 神经网络 溶解氧浓度
【学位授予单位】：华南理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：X703;TP18
【目录】：

• 摘要5-7
• Abstract7-15
• 第一章 绪论15-27
• 1.1 研究背景与意义15-16
• 1.2 活性污泥法污水生化处理系统16-18
• 1.3 污水生化处理系统的主要研究问题及现状18-20
• 1.3.1 污水生化处理系统的出水水质预测问题18-19
• 1.3.2 污水生化处理系统的优化控制问题19
• 1.3.3 污水生化处理系统的控制策略问题19-20
• 1.4 智能优化及控制方法20-24
• 1.4.1 差分进化算法20-21
• 1.4.2 粒子群优化算法21-23
• 1.4.3 神经网络控制方法23-24
• 1.5 本文的主要工作24-27
• 第二章 基于改进极限学习机的污水处理过程关键出水水质预测27-41
• 2.1 引言27-28
• 2.2 差分粒子群混合优化算法(DEPSO)28-34
• 2.2.1 DEPSO算法的提出28-30
• 2.2.2 仿真与分析30-34
• 2.3 改进极限学习机34-37
• 2.3.1 基本极限学习机(ELM)34-35
• 2.3.2 改进极限学习机的提出及性能测试35-37
• 2.4 基于改进极限学习机的关键出水水质预测仿真与分析37-38
• 2.5 本章小结38-41
• 第三章 基于改进差分进化算法的污水处理过程设定值优化41-54
• 3.1 引言41-42
• 3.2 污水生化处理过程的设定值优化问题42-44
• 3.3 一种改进的差分进化算法(IDE)44-47
• 3.3.1 IDE算法的提出45-46
• 3.3.2 仿真与分析46-47
• 3.4 基于IDE算法的优化控制仿真与分析47-53
• 3.5 本章小结53-54
• 第四章 基于自适应差分进化算法的污水处理过程多目标优化54-66
• 4.1 引言54-55
• 4.2 污水生化处理过程的多目标优化问题55-57
• 4.3 自适应差分进化算法(AOLDE)57-62
• 4.3.1 AOLDE算法的提出57-59
• 4.3.2 仿真与分析59-62
• 4.4 基于AOLDE算法的污水处理过程多目标优化仿真与分析62-65
• 4.5 本章小结65-66
• 第五章 基于神经网络的溶解氧浓度控制研究66-74
• 5.1 引言66-67
• 5.2 溶解氧浓度控制器设计67-69
• 5.2.1 单神经元自适应PID溶解氧浓度控制器67-68
• 5.2.2 基于RBF神经网络的溶解氧浓度控制器68-69
• 5.3 仿真与分析69-72
• 5.3.1 神经网络训练与控制性能关系仿真分析70-71
• 5.3.2 几种控制器对比仿真与分析71-72
• 5.4 本章小结72-74
• 第六章 基于自适应神经网络的溶解氧浓度控制研究74-90
• 6.1 引言74-75
• 6.2 问题描述与预备75-79
• 6.2.1 活性污泥动态模型75-78
• 6.2.2 控制目标78
• 6.2.3 RBF神经网络78-79
• 6.3 自适应神经网络控制器设计79-83
• 6.3.1 理想非线性反馈控制器79
• 6.3.2 自适应神经网络控制器79-83
• 6.4 仿真与分析83-89
• 6.5 本章小结89-90
• 第七章 基于扰动观测器自适应神经网络的溶解氧浓度控制研究90-105
• 7.1 引言90-91
• 7.2 问题描述91-92
• 7.3 基于扰动观测器的自适应神经网络控制器设计92-98
• 7.3.1 理想反馈控制器93-94
• 7.3.2 基于扰动观测器的自适应神经网络控制94-98
• 7.4 仿真与分析98-104
• 7.5 本章小结104-105
• 结论与展望105-107
• 参考文献107-119
• 攻读博士学位期间的研究成果119-121
• 致谢121-122
• 附件122

您可以在本站搜索以下学术论文文献来了解更多相关内容

全国化工污水生化处理技术交流会在杭州召开    

焦化污水生化处理系统的改造    黄琼,朱学初

一种污水生化处理系统模型参数智能估算方法    叶洪涛;

污水生化处理系统中的智能算法及其应用    叶洪涛;覃金飞;

污水生化处理的研究    

含酚污水生化处理的大生产    

含酚污水生化处理大生产总结    

中药前处理污水生化处理试验    金耀光;

沈抚灌渠污水生化处理模型试验通过鉴定    王长生

含钙污水生化处理装置的开车调试    王本洋

《一体化污水生化处理器》的开发与应用    谢绍舜;

一体化污水生化处理器的开发与应用    谢绍舜;

污水生化处理系统中水解酶的若干问题探讨    李佳妮;尹军;王建辉;赵可;

济维泽公司污水生化处理见效    特约记者 高军光

大庆长垣含油污水生化处理站投产    记者 周志刚

鸿源化工将整体搬出居民小区明华纸业建污水生化处理设施    张渺　宣理平

“吃”掉油污再还清流    幸福

传递一种理念 寄托一个希望    记者 孙志伟

大港油田公司重点环保工程完成土建施工    特约记者 胡丽莉　通讯员 王洪珍

污水生化处理 油脂降10倍    记者 马昭

建设科技“新玩意”层出不穷    王小琴

污水生化处理系统的智能预测及优化控制策略研究    林梅金

寒区污水生化处理系统微生物群落结构与功能解析    崔迪

污水生化处理的智能建模与优化控制策略应用研究    杨红

污水生化处理系统的软测量及自适应优化控制策略研究    罗隆

CY含油污水生化处理站的污水处理技术选择研究    姚翔

聚合物降解菌的筛选评价及在油田污水生化处理中的应用    骆克峻

基于Benchmark的污水生化处理过程控制策略研究    郑敏洁