基于神經(jīng)網(wǎng)絡(luò)的污水處理過程實(shí)時(shí)優(yōu)化控制研究

【摘要】：污水處理過程是一個(gè)大型流程工業(yè)過程，它受到進(jìn)水流量和污泥負(fù)荷中的大擾動以及進(jìn)流污水中的不確定混合成分影響嚴(yán)重，因此，保證污水處理過程的平穩(wěn)運(yùn)行是污水處理過程控制研究的首要問題；同時(shí)，目前我國城市污水處理廠廣泛存在著電能消耗大、運(yùn)行成本高的現(xiàn)象，在滿足污水處理效果的條件下，實(shí)現(xiàn)污水處理過程的節(jié)能降耗是亟待解決的問題。 實(shí)時(shí)優(yōu)化（Real time optimization，RTO）控制方法已成為解決復(fù)雜流程工業(yè)過程優(yōu)化與控制的有效手段。實(shí)時(shí)優(yōu)化控制方法將回路控制與過程運(yùn)行優(yōu)化相結(jié)合，采用兩層結(jié)構(gòu)，上層通過計(jì)劃調(diào)度優(yōu)化經(jīng)濟(jì)性能指標(biāo)，產(chǎn)生底層控制回路的設(shè)定值；底層通過控制器使被控變量跟蹤設(shè)定值，從而盡可能使過程運(yùn)行在經(jīng)濟(jì)優(yōu)化狀態(tài)。污水處理過程的實(shí)時(shí)優(yōu)化控制策略在實(shí)時(shí)優(yōu)化層以保證出水水質(zhì)條件為約束，降低系統(tǒng)能耗為目標(biāo)，優(yōu)化系統(tǒng)的性能指標(biāo)，產(chǎn)生控制變量的設(shè)定值；在跟蹤控制層，以系統(tǒng)運(yùn)行的平穩(wěn)性和控制效果的高精度為目標(biāo)，實(shí)現(xiàn)優(yōu)化設(shè)定值的跟蹤控制。 人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network，ANN）是實(shí)現(xiàn)RTO控制的重要工具。神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)能力使其在作為在線控制器方面具有得天獨(dú)厚的優(yōu)勢；同時(shí)，因?yàn)榫哂泻軓?qiáng)的非線性逼近能力，神經(jīng)網(wǎng)絡(luò)在對未知數(shù)學(xué)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(qiáng)，是解決RTO實(shí)時(shí)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(shí)時(shí)優(yōu)化控制問題作為研究背景，采用基于神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)優(yōu)化控制方法展開研究。主要研究內(nèi)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(diǎn)，并對三種不同天氣工況下的進(jìn)水特點(diǎn)進(jìn)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(zhǔn)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(jìn)一步的研究，分析了生化池的反應(yīng)特性和二沉池的沉降模型，并通過實(shí)驗(yàn)驗(yàn)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(luò)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(biāo)是通過控制實(shí)現(xiàn)系統(tǒng)的平穩(wěn)運(yùn)行，并提高控制精度。根據(jù)污水處理過程的非線性、強(qiáng)耦合、模型未知等特點(diǎn)，本文提出了一種基于前饋神經(jīng)網(wǎng)絡(luò)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(shí)變、模型未知的問題，利用前饋神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)逼近特性，設(shè)計(jì)了對污水處理過程在線建模的建模神經(jīng)網(wǎng)絡(luò)(Modeling Neural Network, MNN)；針對污水處理過程非線性、強(qiáng)耦合的特點(diǎn)，基于前饋神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)能力，設(shè)計(jì)了在線神經(jīng)網(wǎng)絡(luò)控制器（Neuralnetwork controller, NNC）實(shí)現(xiàn)污水處理過程的串級跟蹤控制。為了保證設(shè)計(jì)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(jié)果表明保證建模神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)控制器的隱含層學(xué)習(xí)率在合適的范圍內(nèi)，能夠確保NNOMC控制系統(tǒng)的穩(wěn)定性。分別將設(shè)計(jì)的NNOMC控制方法應(yīng)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(shí)驗(yàn)證明NNOMC控制方法能夠保證污水處理過程的平穩(wěn)運(yùn)行，且具有很高的控制精度；實(shí)驗(yàn)同時(shí)表明，NNOMC方法針對多變量控制中的強(qiáng)耦合問題，具有很強(qiáng)的解耦能力。 (3)提出了一種基于神經(jīng)網(wǎng)絡(luò)建模的增廣拉格朗日乘子法優(yōu)化方法 污水處理過程實(shí)時(shí)優(yōu)化層的計(jì)劃調(diào)度分為兩個(gè)方面：出水水質(zhì)的達(dá)標(biāo)和系統(tǒng)能耗的降低。根據(jù)這兩點(diǎn)，本文構(gòu)造了污水處理過程的不等式約束優(yōu)化問題。因?yàn)槲鬯幚磉^程能耗、水質(zhì)與優(yōu)化變量設(shè)定值之間模型未知的特點(diǎn)，構(gòu)造的污水處理過程的約束優(yōu)化問題是一個(gè)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(luò)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(luò)分別建立能耗與優(yōu)化設(shè)定值、水質(zhì)與優(yōu)化設(shè)定值的在線模型，并根據(jù)增廣拉格朗日乘子法實(shí)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(xué)習(xí)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(yīng)用于以出水水質(zhì)為約束，降低系統(tǒng)能耗為目標(biāo)的污水處理過程優(yōu)化仿真實(shí)驗(yàn)中，結(jié)果表明NNALM算法能夠有效地在線優(yōu)化控制變量的設(shè)定值，以此作為跟蹤控制的目標(biāo)，能夠在滿足出水水質(zhì)的情況下，實(shí)現(xiàn)系統(tǒng)能耗的降低。 (4)污水處理過程的實(shí)時(shí)優(yōu)化控制 結(jié)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(jié)構(gòu)。在仿真實(shí)驗(yàn)設(shè)計(jì)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(shí)驗(yàn)研究。實(shí)驗(yàn)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(yùn)行，并取得了較高的控制精度；同時(shí)在保證甚至優(yōu)化出水水質(zhì)的情況下，有效的降低了系統(tǒng)的能耗，節(jié)能效果顯著。 【關(guān)鍵詞】：污水處理過程 實(shí)時(shí)優(yōu)化控制 神經(jīng)網(wǎng)絡(luò) 在線建模 增廣拉格朗日乘子法
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：X703
【目錄】：

• 摘要4-7
• ABSTRACT7-13
• 第1章 緒論13-29
• 1.1 課題的研究背景及意義13-15
• 1.2 污水處理過程國內(nèi)外研究現(xiàn)狀15-18
• 1.2.1 污水處理過程控制方法研究現(xiàn)狀15-17
• 1.2.2 污水處理過程優(yōu)化研究現(xiàn)狀17-18
• 1.3 實(shí)時(shí)優(yōu)化控制國內(nèi)外研究現(xiàn)狀18-24
• 1.3.1 實(shí)時(shí)優(yōu)化控制研究現(xiàn)狀18-20
• 1.3.2 人工神經(jīng)網(wǎng)絡(luò)及其控制方法研究現(xiàn)狀20-23
• 1.3.3 非線性規(guī)劃優(yōu)化方法研究現(xiàn)狀23-24
• 1.4 論文的主要研究內(nèi)容及創(chuàng)新點(diǎn)24-27
• 1.4.1 論文的主要研究內(nèi)容24-26
• 1.4.2 論文的主要創(chuàng)新點(diǎn)26-27
• 1.5 論文的主要架構(gòu)27-29
• 第2章 污水處理特性分析與控制性能測試平臺29-49
• 2.1 引言29
• 2.2 前置反硝化污水處理工藝29-34
• 2.2.1 工藝簡介及布局結(jié)構(gòu)29-31
• 2.2.2 進(jìn)水及特點(diǎn)分析31-34
• 2.3 污水處理基準(zhǔn)模型 BSM134-45
• 2.3.1 生化反應(yīng)池特點(diǎn)分析34-39
• 2.3.2 二沉池反映特點(diǎn)分析39-41
• 2.3.3 BSM1 評價(jià)準(zhǔn)則41-44
• 2.3.4 BSM1 仿真平臺測試44-45
• 2.4 污水處理過程實(shí)時(shí)優(yōu)化控制方案45-47
• 2.4.1 實(shí)時(shí)優(yōu)化控制45-46
• 2.4.2 實(shí)時(shí)優(yōu)化層46
• 2.4.3 跟蹤控制層46-47
• 2.5 本章小結(jié)47-49
• 第3章 污水處理過程溶解氧濃度單變量在線控制49-75
• 3.1 引言49
• 3.2 前饋神經(jīng)網(wǎng)絡(luò)49-52
• 3.2.1 前饋神經(jīng)網(wǎng)絡(luò)模型49-50
• 3.2.2 反向傳播學(xué)習(xí)算法50-52
• 3.3 溶解氧濃度的 NNOMC 在線控制策略52-55
• 3.3.1 溶解氧濃度控制的重要性52
• 3.3.2 溶解氧濃度的 NNOMC 方法52-54
• 3.3.2.1 溶解氧濃度控制的黑箱問題52-53
• 3.3.2.2 建模神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)53-54
• 3.3.3 神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)54-55
• 3.4 單變量 NNOMC 控制系統(tǒng)穩(wěn)定性分析55-62
• 3.4.1 神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置對 NNOMC 方法的影響55-59
• 3.4.1.1 學(xué)習(xí)率設(shè)置對 NNOMC 方法的影響55-57
• 3.4.1.2 隱含層神經(jīng)元個(gè)數(shù)設(shè)置對 NNOMC 方法的影響57-59
• 3.4.2 單變量 NNOMC 控制系統(tǒng)穩(wěn)定性分析59-62
• 3.5 污水處理過程溶解氧濃度控制實(shí)驗(yàn)62-73
• 3.5.1 溶解氧濃度跟蹤控制實(shí)驗(yàn)62-72
• 3.5.2 溶解氧濃度階躍控制實(shí)驗(yàn)72-73
• 3.6 本章小結(jié)73-75
• 第4章 污水處理過程多變量 NNOMC 控制75-105
• 4.1 引言75
• 4.2 污水處理過程多變量控制問題75-86
• 4.2.1 多變量非線性離散系統(tǒng)的控制問題75-76
• 4.2.2 污水處理過程控制量的選擇分析76-84
• 4.2.3 污水處理過程多變量耦合分析84-86
• 4.3 多變量系統(tǒng)的 NNOMC 方法86-90
• 4.3.1 多變量系統(tǒng)在線建模神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)88-89
• 4.3.2 多變量系統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)89-90
• 4.4 多變量 NNOMC 控制系統(tǒng)穩(wěn)定性分析90-93
• 4.5 污水處理過程多變量 NNOMC 控制實(shí)驗(yàn)93-104
• 4.5.1 實(shí)驗(yàn)設(shè)計(jì)93-94
• 4.5.2 污水處理過程 NNOMC 控制仿真實(shí)驗(yàn)94-101
• 4.5.3 污水處理過程解耦效果分析101-104
• 4.6 本章小結(jié)104-105
• 第5章 污水處理過程 NNALM 優(yōu)化方法105-132
• 5.1 引言105
• 5.2 污水處理過程約束優(yōu)化問題105-108
• 5.2.1 約束優(yōu)化問題105-106
• 5.2.2 污水處理過程約束優(yōu)化問題的構(gòu)建106-108
• 5.2.3 污水處理約束優(yōu)化問題中的黑箱問題108
• 5.3 增廣拉格朗日乘子法108-117
• 5.3.1 拉格朗日乘子法108-110
• 5.3.2 增廣拉格朗日乘子法110-114
• 5.3.3 仿真實(shí)驗(yàn)及分析114-117
• 5.4 NNALM 方法設(shè)計(jì)117-124
• 5.4.1 目標(biāo)函數(shù)的前饋神經(jīng)網(wǎng)絡(luò)在線建模118-120
• 5.4.2 約束條件的前饋神經(jīng)網(wǎng)絡(luò)在線建模120-121
• 5.4.3 基于前饋神經(jīng)網(wǎng)絡(luò)的增廣拉格朗日乘子法121-124
• 5.5 NNALM 算法收斂性分析124-126
• 5.6 基于 NNALM 的污水處理過程優(yōu)化實(shí)驗(yàn)126-130
• 5.6.1 實(shí)驗(yàn)設(shè)計(jì)126-127
• 5.6.2 基于 NNALM 的污水處理過程優(yōu)化實(shí)驗(yàn)及分析127-130
• 5.7 本章小結(jié)130-132
• 第6章 污水處理過程實(shí)時(shí)優(yōu)化控制132-150
• 6.1 引言132
• 6.2 污水處理過程實(shí)時(shí)優(yōu)化控制結(jié)構(gòu)132-135
• 6.2.1 實(shí)時(shí)優(yōu)化層結(jié)構(gòu)及分析133-134
• 6.2.2 跟蹤控制層結(jié)構(gòu)及分析134-135
• 6.3 污水處理過程實(shí)時(shí)優(yōu)化控制仿真實(shí)驗(yàn)及分析135-149
• 6.3.1 實(shí)驗(yàn)設(shè)計(jì)135-138
• 6.3.1.1 實(shí)時(shí)優(yōu)化層實(shí)驗(yàn)參數(shù)設(shè)計(jì)135-138
• 6.3.1.2 跟蹤控制層實(shí)驗(yàn)參數(shù)設(shè)計(jì)138
• 6.3.2 實(shí)驗(yàn)結(jié)果及分析138-149
• 6.4 本章小結(jié)149-150
• 結(jié)論及展望150-152
• 參考文獻(xiàn)152-162
• 攻讀博士學(xué)位期間的成果162
• 攻讀博士學(xué)位期間所獲獎勵(lì)162-163
• 攻讀博士學(xué)位期間參與的科研項(xiàng)目163
• 攻讀博士期間參加的學(xué)術(shù)會議163-164
• 致謝164

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

城市污水處理過程綜合自動化系統(tǒng)及其應(yīng)用    趙立杰,柴天佑,黃肖玲

污水處理過程儀表技術(shù)的研究現(xiàn)狀    樊立萍,于海斌,袁德成

污水處理過程中膜故障分析與防治對策    楊明珍;汪國剛;

可持續(xù)的污水處理過程與展望    張凱松;周啟星;

污水處理過程的控制與優(yōu)化    朱學(xué)峰;黃道平;李艷;

污水處理過程中故障診斷專家系統(tǒng)的應(yīng)用    劉天龍;沈文浩;

神經(jīng)網(wǎng)絡(luò)自適應(yīng)動態(tài)規(guī)劃在污水處理過程控制中的應(yīng)用    劉文波;王霞;李來鴻;薄迎春;

污水處理過程的非線性預(yù)測控制研究    薛美盛;劉飛;

非線性污水處理過程的多目標(biāo)優(yōu)化    徐恭賢;韓雪;

工業(yè)污水處理過程的檢測儀表儀表的選擇和安裝    張潮生;

基于模式識別的污水處理過程研究    謝瑩;樊立萍;

脫鹽和污水處理過程強(qiáng)化策略(英文)    E.Drioli;E.Curcio;

污水處理過程中新型污染物研究    孫紅文;

壬基酚聚氧乙烯醚在污水處理過程中的遷移轉(zhuǎn)化行為    馬興杰;胡建英;邵兵;楊敏;

JX300X DCS在污水處理過程中的應(yīng)用    溫瑞;

污水處理過程的PID控制    李松源;王雷;賈磊;

A~2/O污水處理過程出水水質(zhì)的多元線性回歸軟測量模型    馮麗輝;彭向華;賴華;畢貴紅;

VI在污水處理過程中的應(yīng)用研究    崔玉理;

基于增長型神經(jīng)網(wǎng)絡(luò)的污水處理過程溶解氧控制    甄博然;韓紅桂;喬俊飛;

基于KPCA的污水處理過程監(jiān)視    樊立萍;徐陽;

天津石化強(qiáng)化污水處理過程控制    周美玲 許洪全

科學(xué)技術(shù)在污水處理過程中的應(yīng)用    童建國

關(guān)注水污染治理    董鵬宇

優(yōu)化運(yùn)行增效千萬元    特約記者 董新光

變環(huán)境包袱為企業(yè)財(cái)富    夏曉

綜合利用收獲多點(diǎn)效益    任相國許明星

平湖企業(yè)勁吹“低碳經(jīng)濟(jì)”之風(fēng)    記者 陶克強(qiáng)　通訊員 胡永華

金沂蒙:變傳統(tǒng)模式為循環(huán)模式    楊靜

污泥令煤成“型”    本報(bào)記者 王軼慧

減輕鉛污染 污泥有奇效    本報(bào)記者 陳丹

污水處理過程模擬及系統(tǒng)軟件開發(fā)    張晶

污水處理過程數(shù)學(xué)模型方法及其關(guān)鍵技術(shù)研究    韋安磊

基于神經(jīng)網(wǎng)絡(luò)的污水處理過程實(shí)時(shí)優(yōu)化控制研究    韓廣

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    李曉晨

典型持久性有機(jī)污染物在城市污水處理過程中的遷移轉(zhuǎn)化規(guī)律研究    劉俊建

污水處理過程實(shí)時(shí)控制及軟測量方法研究    李萬東

污水處理過程節(jié)能優(yōu)化控制方法的研究    黃曉琪

污水處理過程的智能優(yōu)化控制方法研究    史雄偉

基于模糊神經(jīng)網(wǎng)絡(luò)的污水處理過程智能控制方法研究    劉超彬

污水處理過程中鄰苯二甲酸酯類物質(zhì)的分布及去除規(guī)律研究    王翠彥

城市生活污水處理過程中職業(yè)病危害探討    孔國棟

基于活性污泥模型的污水處理過程預(yù)測控制方法研究    謝生鋼

污水處理過程中的模糊控制研究    邱啟旺

城市污水處理過程中重金屬分布特性及形態(tài)研究    趙清華

污水處理過程的模糊建模與控制    楊婷