污水生化處理系統(tǒng)的智能預(yù)測及優(yōu)化控制策略研究

【摘要】：活性污泥法污水處理技術(shù)是實現(xiàn)有機污水凈化的一種可持續(xù)發(fā)展的方法.污水生化處理過程具有機理復(fù)雜、耦合性、非線性和時變性等特征,采用傳統(tǒng)的方法難以保證污水處理過程穩(wěn)定、高效運行.本論文針對污水處理運行中存在的一些問題,研究智能優(yōu)化和控制新方法,實現(xiàn)污水處理過程中關(guān)鍵出水水質(zhì)的建模預(yù)測、重要參數(shù)的優(yōu)化控制和關(guān)鍵控制器的設(shè)計.本文的主要研究內(nèi)容如下:1.針對污水生化處理系統(tǒng)中一些難以測量的關(guān)鍵參數(shù)監(jiān)測問題,研究了基于改進極限學(xué)習(xí)機的污水生化處理關(guān)鍵出水水質(zhì)的建模預(yù)測.首先,借鑒了蛙跳算法的模因進化機制,并混合差分進化算法和粒子群優(yōu)化算法,提出了一種新的混合智能優(yōu)化算法,并通過仿真驗證其改進的尋優(yōu)性能;接著將提出的智能算法用于優(yōu)化極限學(xué)習(xí)機的隱層節(jié)點參數(shù),獲得了一種改進的極限學(xué)習(xí)機,采用基于真實數(shù)據(jù)集的回歸仿真實驗驗證其計算性能;最后,將所提出的改進極限學(xué)習(xí)機應(yīng)用于污水生化處理中關(guān)鍵出水水質(zhì)的建模預(yù)測上,取得了良好的預(yù)測效果.2.針對污水生化處理系統(tǒng)中關(guān)鍵控制器設(shè)定值的確定問題,研究了基于改進差分進化算法的污水生化處理過程單目標(biāo)優(yōu)化控制.提出了一種改進的差分進化算法,基于模因進化強化局部學(xué)習(xí)的機制改善了算法的尋優(yōu)性能;綜合污水處理系統(tǒng)的運行代價、出水水質(zhì)代價等函數(shù)作為單目標(biāo)優(yōu)化函數(shù),在國際水協(xié)會提供的BSM1(Benchmark Simulation Model no.1)平臺上進行優(yōu)化控制仿真實驗,結(jié)果表明優(yōu)化后的系統(tǒng)可以降低運行代價、減少關(guān)鍵出水水質(zhì)變量的越限時間,并提高出水水質(zhì).3.研究基于改進差分進化算法的污水生化處理系統(tǒng)多目標(biāo)優(yōu)化問題.提出了一種自適應(yīng)且具有優(yōu)秀個體強化學(xué)習(xí)的差分進化算法,并通過仿真驗證其尋優(yōu)性能;在BSM1平臺上,研究了在微生物風(fēng)險約束下以系統(tǒng)運行代價和出水水質(zhì)代價為多目標(biāo)函數(shù)的優(yōu)化控制,仿真結(jié)果表明,多目標(biāo)優(yōu)化方法避免了單目標(biāo)優(yōu)化方法中權(quán)值難以確定的問題,多目標(biāo)優(yōu)化結(jié)果Pareto近優(yōu)解集,不僅保證了污水處理系統(tǒng)的良好運行效果,而且還為運行人員提供了更多的可行方案.4.針對污水生化處理過程溶解氧濃度控制器的設(shè)計問題,研究了兩種控制器,采用有監(jiān)督Hebb學(xué)習(xí)規(guī)則的單神經(jīng)元自適應(yīng)PID控制器和RBF神經(jīng)網(wǎng)絡(luò)控制器;并仿真驗證了RBF神經(jīng)網(wǎng)絡(luò)控制器性能與神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)數(shù)目之間的關(guān)系,在簡化的BSM1平臺上對比了兩種控制器的控制性能.5.針對好氧池溶解氧濃度控制問題,提出了一種無需訓(xùn)練的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器.首先,基于簡化的溶解氧濃度模型,設(shè)計了一種理想非線性反饋控制器;然后,針對理想控制器不可實現(xiàn)的特點,設(shè)計了自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)的控制器;接著,基于Lyapunov穩(wěn)定性理論,證明了在所提出的神經(jīng)網(wǎng)絡(luò)控制器作用下,閉環(huán)系統(tǒng)的狀態(tài)變量、輸出變量均具有半全局有界特性.實驗仿真進一步驗證了該控制器無需事先訓(xùn)練仍然能達到良好的控制效果.6.考慮污水處理系統(tǒng)受到的外部擾動,設(shè)計了基于擾動觀測器的自適應(yīng)神經(jīng)網(wǎng)絡(luò)的溶解氧濃度控制器.首先,基于簡化的溶解氧濃度模型,設(shè)計了一種新的理想反饋控制器;然后,針對理想控制器中的不確定未知函數(shù),應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)進行擬合;系統(tǒng)的外部擾動和神經(jīng)網(wǎng)絡(luò)擬合誤差綜合為一個總的擾動,并設(shè)計非線性擾動觀測器對它進行估計;接著,應(yīng)用Lyapunov穩(wěn)定性理論證明了在所提出的神經(jīng)網(wǎng)絡(luò)控制器作用下,系統(tǒng)的狀態(tài)變量、輸出變量、擾動估計誤差、神經(jīng)網(wǎng)絡(luò)的權(quán)值均具有半全局有界特性.最后,仿真驗證了所提出的方法具有良好的穩(wěn)定性能和魯棒性能. 【關(guān)鍵詞】：污水生化處理系統(tǒng) 優(yōu)化 差分進化算法 自適應(yīng)控制 神經(jīng)網(wǎng)絡(luò) 溶解氧濃度
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：X703;TP18
【目錄】：

• 摘要5-7
• Abstract7-15
• 第一章 緒論15-27
• 1.1 研究背景與意義15-16
• 1.2 活性污泥法污水生化處理系統(tǒng)16-18
• 1.3 污水生化處理系統(tǒng)的主要研究問題及現(xiàn)狀18-20
• 1.3.1 污水生化處理系統(tǒng)的出水水質(zhì)預(yù)測問題18-19
• 1.3.2 污水生化處理系統(tǒng)的優(yōu)化控制問題19
• 1.3.3 污水生化處理系統(tǒng)的控制策略問題19-20
• 1.4 智能優(yōu)化及控制方法20-24
• 1.4.1 差分進化算法20-21
• 1.4.2 粒子群優(yōu)化算法21-23
• 1.4.3 神經(jīng)網(wǎng)絡(luò)控制方法23-24
• 1.5 本文的主要工作24-27
• 第二章 基于改進極限學(xué)習(xí)機的污水處理過程關(guān)鍵出水水質(zhì)預(yù)測27-41
• 2.1 引言27-28
• 2.2 差分粒子群混合優(yōu)化算法(DEPSO)28-34
• 2.2.1 DEPSO算法的提出28-30
• 2.2.2 仿真與分析30-34
• 2.3 改進極限學(xué)習(xí)機34-37
• 2.3.1 基本極限學(xué)習(xí)機(ELM)34-35
• 2.3.2 改進極限學(xué)習(xí)機的提出及性能測試35-37
• 2.4 基于改進極限學(xué)習(xí)機的關(guān)鍵出水水質(zhì)預(yù)測仿真與分析37-38
• 2.5 本章小結(jié)38-41
• 第三章 基于改進差分進化算法的污水處理過程設(shè)定值優(yōu)化41-54
• 3.1 引言41-42
• 3.2 污水生化處理過程的設(shè)定值優(yōu)化問題42-44
• 3.3 一種改進的差分進化算法(IDE)44-47
• 3.3.1 IDE算法的提出45-46
• 3.3.2 仿真與分析46-47
• 3.4 基于IDE算法的優(yōu)化控制仿真與分析47-53
• 3.5 本章小結(jié)53-54
• 第四章 基于自適應(yīng)差分進化算法的污水處理過程多目標(biāo)優(yōu)化54-66
• 4.1 引言54-55
• 4.2 污水生化處理過程的多目標(biāo)優(yōu)化問題55-57
• 4.3 自適應(yīng)差分進化算法(AOLDE)57-62
• 4.3.1 AOLDE算法的提出57-59
• 4.3.2 仿真與分析59-62
• 4.4 基于AOLDE算法的污水處理過程多目標(biāo)優(yōu)化仿真與分析62-65
• 4.5 本章小結(jié)65-66
• 第五章 基于神經(jīng)網(wǎng)絡(luò)的溶解氧濃度控制研究66-74
• 5.1 引言66-67
• 5.2 溶解氧濃度控制器設(shè)計67-69
• 5.2.1 單神經(jīng)元自適應(yīng)PID溶解氧濃度控制器67-68
• 5.2.2 基于RBF神經(jīng)網(wǎng)絡(luò)的溶解氧濃度控制器68-69
• 5.3 仿真與分析69-72
• 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70-71
• 5.3.2 幾種控制器對比仿真與分析71-72
• 5.4 本章小結(jié)72-74
• 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74-90
• 6.1 引言74-75
• 6.2 問題描述與預(yù)備75-79
• 6.2.1 活性污泥動態(tài)模型75-78
• 6.2.2 控制目標(biāo)78
• 6.2.3 RBF神經(jīng)網(wǎng)絡(luò)78-79
• 6.3 自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計79-83
• 6.3.1 理想非線性反饋控制器79
• 6.3.2 自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器79-83
• 6.4 仿真與分析83-89
• 6.5 本章小結(jié)89-90
• 第七章 基于擾動觀測器自適應(yīng)神經(jīng)網(wǎng)絡(luò)的溶解氧濃度控制研究90-105
• 7.1 引言90-91
• 7.2 問題描述91-92
• 7.3 基于擾動觀測器的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計92-98
• 7.3.1 理想反饋控制器93-94
• 7.3.2 基于擾動觀測器的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制94-98
• 7.4 仿真與分析98-104
• 7.5 本章小結(jié)104-105
• 結(jié)論與展望105-107
• 參考文獻107-119
• 攻讀博士學(xué)位期間的研究成果119-121
• 致謝121-122
• 附件122

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

全國化工污水生化處理技術(shù)交流會在杭州召開    

焦化污水生化處理系統(tǒng)的改造    黃瓊,朱學(xué)初

一種污水生化處理系統(tǒng)模型參數(shù)智能估算方法    葉洪濤;

污水生化處理系統(tǒng)中的智能算法及其應(yīng)用    葉洪濤;覃金飛;

污水生化處理的研究    

含酚污水生化處理的大生產(chǎn)    

含酚污水生化處理大生產(chǎn)總結(jié)    

中藥前處理污水生化處理試驗    金耀光;

沈撫灌渠污水生化處理模型試驗通過鑒定    王長生

含鈣污水生化處理裝置的開車調(diào)試    王本洋

《一體化污水生化處理器》的開發(fā)與應(yīng)用    謝紹舜;

一體化污水生化處理器的開發(fā)與應(yīng)用    謝紹舜;

污水生化處理系統(tǒng)中水解酶的若干問題探討    李佳妮;尹軍;王建輝;趙可;

濟維澤公司污水生化處理見效    特約記者 高軍光

大慶長垣含油污水生化處理站投產(chǎn)    記者 周志剛

鴻源化工將整體搬出居民小區(qū)明華紙業(yè)建污水生化處理設(shè)施    張渺　宣理平

“吃”掉油污再還清流    幸福

傳遞一種理念 寄托一個希望    記者 孫志偉

大港油田公司重點環(huán)保工程完成土建施工    特約記者 胡麗莉　通訊員 王洪珍

污水生化處理 油脂降10倍    記者 馬昭

建設(shè)科技“新玩意”層出不窮    王小琴

污水生化處理系統(tǒng)的智能預(yù)測及優(yōu)化控制策略研究    林梅金

寒區(qū)污水生化處理系統(tǒng)微生物群落結(jié)構(gòu)與功能解析    崔迪

污水生化處理的智能建模與優(yōu)化控制策略應(yīng)用研究    楊紅

污水生化處理系統(tǒng)的軟測量及自適應(yīng)優(yōu)化控制策略研究    羅隆

CY含油污水生化處理站的污水處理技術(shù)選擇研究    姚翔

聚合物降解菌的篩選評價及在油田污水生化處理中的應(yīng)用    駱克峻

基于Benchmark的污水生化處理過程控制策略研究    鄭敏潔