本文主要研究内容
作者王珊珊（2019）在《污水处理过程溶解氧浓度建模及控制策略研究》一文中研究指出：随着我国工业化和城镇化的推进,我国水资源形势比较严峻,呈现水资源短缺、用水量攀升、水体污染严重等特征,而水体污染也影响人民的饮水安全和人身健康,污水治理迫在眉睫。在污水处理过程中,曝气池中溶解氧浓度是一个非常重要的控制参数,过高、过低都对污水处理效果产生很大影响。它能直观、快速的反映整个系统的运行状况,也能直接影响到污水处理的效果和系统的能耗。本文针对活性污泥法污水处理过程进水流量波动、水质变化大、非线性、强耦合、大滞后及对溶解氧浓度控制精度要求高等特征展开研究,提出了一种基于改进的差分进化的BP模糊神经网络控制方法,对变参数的活性污泥法污水处理系统的溶解氧浓度进行控制,在ASM1简化模型的基础上进行仿真研究,结果表明,该控制方法可以在线调整隶属函数,优化控制规则,并将其应用于活性污泥污水处理系统,可以快速准确的使溶解氧达到理想的要求,并具有较强的鲁棒性。基于以上本文完成的主要研究内容如下:首先在深入分析活性污泥污水处理机理的基础上,基于ASM1模型进行推导,得出过程模型,在对过程合理简化的基础上,推导出系统模型;分析了所建系统模型的可控性及稳定性;在此基础上,采用Ackerman计算方法求取了状态反馈增益矩阵,改善了系统的稳定性,为后续研究提供了稳定而合理的系统模型。其次概述了模糊神经网络(Fuzzy neural network-FNN)、BP算法、差分算法、改进差分算法。针对模糊神经网络常用的BP算法容易陷入局部极值,为此提出了一种改进差分进化(IDE)和BP的混合算法,分析该算法的运行及优点,将其应用于模糊神经网络的参数优化上;基于测试函数测试两种算法,结果表明:IDEBP算法的收敛速度明显快于DE算法,泛化能力也优于DE算法,其收敛精度也高于DE算法;将IDEBP算法应用在二阶滞后系统中仿真,证明基于IDEBP算法的模糊神经网络的有效性。也证明IDEBP算法优化性能高于BP算法。最后根据上述方法设计了溶解氧浓度控制器。针对模糊控制的四个部分,设计了一种基于标准神经网络模型简化的四层模糊神经网络,并使用IDE离线训练BP得到一组最优或较优权值,可以为模糊神经网络在线学习提供一个较优初值,加入动量项的变速率BP算法作为模糊神经网络控制器的在线学习算法,并搭建了系统仿真平台,对溶解氧浓度进行控制,通过仿真实验对比分析得出结论,所设计的控制器性能能够满足实际控制要求,并在国际基准仿真平台上验证其鲁棒性、自适应能力都比较好。
Abstract
sui zhao wo guo gong ye hua he cheng zhen hua de tui jin ,wo guo shui zi yuan xing shi bi jiao yan jun ,cheng xian shui zi yuan duan que 、yong shui liang pan sheng 、shui ti wu ran yan chong deng te zheng ,er shui ti wu ran ye ying xiang ren min de yin shui an quan he ren shen jian kang ,wu shui zhi li pai zai mei jie 。zai wu shui chu li guo cheng zhong ,bao qi chi zhong rong jie yang nong du shi yi ge fei chang chong yao de kong zhi can shu ,guo gao 、guo di dou dui wu shui chu li xiao guo chan sheng hen da ying xiang 。ta neng zhi guan 、kuai su de fan ying zheng ge ji tong de yun hang zhuang kuang ,ye neng zhi jie ying xiang dao wu shui chu li de xiao guo he ji tong de neng hao 。ben wen zhen dui huo xing wu ni fa wu shui chu li guo cheng jin shui liu liang bo dong 、shui zhi bian hua da 、fei xian xing 、jiang ou ge 、da zhi hou ji dui rong jie yang nong du kong zhi jing du yao qiu gao deng te zheng zhan kai yan jiu ,di chu le yi chong ji yu gai jin de cha fen jin hua de BPmo hu shen jing wang lao kong zhi fang fa ,dui bian can shu de huo xing wu ni fa wu shui chu li ji tong de rong jie yang nong du jin hang kong zhi ,zai ASM1jian hua mo xing de ji chu shang jin hang fang zhen yan jiu ,jie guo biao ming ,gai kong zhi fang fa ke yi zai xian diao zheng li shu han shu ,you hua kong zhi gui ze ,bing jiang ji ying yong yu huo xing wu ni wu shui chu li ji tong ,ke yi kuai su zhun que de shi rong jie yang da dao li xiang de yao qiu ,bing ju you jiao jiang de lu bang xing 。ji yu yi shang ben wen wan cheng de zhu yao yan jiu nei rong ru xia :shou xian zai shen ru fen xi huo xing wu ni wu shui chu li ji li de ji chu shang ,ji yu ASM1mo xing jin hang tui dao ,de chu guo cheng mo xing ,zai dui guo cheng ge li jian hua de ji chu shang ,tui dao chu ji tong mo xing ;fen xi le suo jian ji tong mo xing de ke kong xing ji wen ding xing ;zai ci ji chu shang ,cai yong Ackermanji suan fang fa qiu qu le zhuang tai fan kui zeng yi ju zhen ,gai shan le ji tong de wen ding xing ,wei hou xu yan jiu di gong le wen ding er ge li de ji tong mo xing 。ji ci gai shu le mo hu shen jing wang lao (Fuzzy neural network-FNN)、BPsuan fa 、cha fen suan fa 、gai jin cha fen suan fa 。zhen dui mo hu shen jing wang lao chang yong de BPsuan fa rong yi xian ru ju bu ji zhi ,wei ci di chu le yi chong gai jin cha fen jin hua (IDE)he BPde hun ge suan fa ,fen xi gai suan fa de yun hang ji you dian ,jiang ji ying yong yu mo hu shen jing wang lao de can shu you hua shang ;ji yu ce shi han shu ce shi liang chong suan fa ,jie guo biao ming :IDEBPsuan fa de shou lian su du ming xian kuai yu DEsuan fa ,fan hua neng li ye you yu DEsuan fa ,ji shou lian jing du ye gao yu DEsuan fa ;jiang IDEBPsuan fa ying yong zai er jie zhi hou ji tong zhong fang zhen ,zheng ming ji yu IDEBPsuan fa de mo hu shen jing wang lao de you xiao xing 。ye zheng ming IDEBPsuan fa you hua xing neng gao yu BPsuan fa 。zui hou gen ju shang shu fang fa she ji le rong jie yang nong du kong zhi qi 。zhen dui mo hu kong zhi de si ge bu fen ,she ji le yi chong ji yu biao zhun shen jing wang lao mo xing jian hua de si ceng mo hu shen jing wang lao ,bing shi yong IDEli xian xun lian BPde dao yi zu zui you huo jiao you quan zhi ,ke yi wei mo hu shen jing wang lao zai xian xue xi di gong yi ge jiao you chu zhi ,jia ru dong liang xiang de bian su lv BPsuan fa zuo wei mo hu shen jing wang lao kong zhi qi de zai xian xue xi suan fa ,bing da jian le ji tong fang zhen ping tai ,dui rong jie yang nong du jin hang kong zhi ,tong guo fang zhen shi yan dui bi fen xi de chu jie lun ,suo she ji de kong zhi qi xing neng neng gou man zu shi ji kong zhi yao qiu ,bing zai guo ji ji zhun fang zhen ping tai shang yan zheng ji lu bang xing 、zi kuo ying neng li dou bi jiao hao 。
论文参考文献
论文详细介绍
论文作者分别是来自长春工业大学的王珊珊，发表于刊物长春工业大学2019-09-04论文，是一篇关于污水处理论文,活性污泥法论文,溶解氧论文,改进差分进化法论文,模糊神经网络论文,长春工业大学2019-09-04论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自长春工业大学2019-09-04论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：污水处理论文; 活性污泥法论文; 溶解氧论文; 改进差分进化法论文; 模糊神经网络论文; 长春工业大学2019-09-04论文;