基于混合智能算法在造纸废水厌氧消化处理过程多目标优化中的研究

发布时间：2018-04-26 18:51

  本文选题：智能算法 + 云模型控制　； 参考：《华南理工大学》2015年硕士论文

【摘要】：随着我国经济的快速发展,城市化和工业化进程不断加速,在节能减排的新形势下,造纸废水问题已成为影响人民生产、生活和经济发展的重要问题之一。为了加快我国造纸行业经济转型,实现由粗狂式发展到可持续发展的转变,对造纸废水处理过程特别是对厌氧消化处理过程进行多目标优化势在必行,这一不仅保证了废水处理设备高效稳定运行,提高处理效率,也对实现节能减排可持续发展具有重要意义。针对造纸废水厌氧消化处理过程,首先,本文较为全面地分析了智能算法在废水处理过程中的研究与应用现状,以及云模型算法(Cloud Model)、遗传算法-反向传播神经网络(GA-BPNN)口快速非支配排序遗传算法(NSGA-Ⅱ)的基本概念和结构；接着,系统地研究了构建多目标优化模型的思路与方法,将云模型控制器、GA-BPNN预测模型和NSGA-Ⅱ多目标优化模型应用于造纸废水厌氧消化处理多目标优化过程中。本论文在对厌氧消化过程多目标优化方面进行了一些拓展性和探究性的研究：深入研究了基于NSGA-Ⅱ和GA-BPNN的多目标优化模型的构建与设计方案,在实验室条件下成功地将其应用于造纸废水厌氧消化处理过程中,为提高我国造纸废水处理效率提供参考。主要研究内容和结果如下：1.分析了造纸废水厌氧消化处理过程的水质特点和处理要求,在实验室条件下,完成了工控设备选型与安装以及组态构建等工作,成功地构建了废水处理自动化监控系统。2.在分析了废水处理的酸碱调节策略、云模型算法原理和传统PID控制器的基础上,探索了云模型控制器的设计思路与方法,建立了云模型控制器。采用OPC技术建立起MATLAB与MCGS组态软件间的数据通讯,在实际运行中验证了云模型控制器的控制效果,运行结果表明,云模型控制器能够有效实现酸碱调节。在MATLAB中与传统PID控制器进行仿真对比,仿真结果表明云模型控制器控制效果更好。3.在分析了反向神经网络原理和结构以及遗传算法的基础上,针对造纸废水厌氧处理过程中进水COD、pH、温度和流量与出水COD和产气量存在的非线性关系,分别设计和建立了出水COD和产气量BPNN和GA-BPNN预测模型。BPNN对出水COD口产气量预测时的绝对误差分别为61.7742%和10.5959%,均方根误差分别为447.6696和2.4325,而GA-BPNN对出水COD和产气量预测时的绝对误差分别为21.7263%和7.6443%,均方根误差分别为196.0658和2.0094。研究结果表明,与BPNN预测模型相比GA-BPNN预测模型的效果更好,更适用于建模。4.在对比了GA-BPNN和BPNN页测模型预测效果之后,分析了快速非支配排序遗传算法(NSGA-II)原理,将建立好的出水COD预测模型和产气量预测模型与NSGA-II算法相结合,构建出多目标智能优化模型并将其应用于造纸废水厌氧处理的多目标优化。研究结果表明,该模型具有良好的优化能力能够实现多目标优化,优化结果可以为废水厌氧消化过程中的设计和工艺操作提供参考,同样这种使用神经网络与快速非支配排序遗传算法相结合的方法也可用于解决其他多目标优化间题。
[Abstract]:With the rapid development of China ' s economy , the urbanization and the industrialization process are accelerating , the problem of papermaking wastewater has become one of the most important problems affecting people ' s production , life and economic development under the new situation of energy saving and emission reduction .
In this paper , we have studied the construction and design scheme of the multi - objective optimization model based on NSGA - 鈪，

本文编号：1807215