基于LM算法的溶解氧浓度神经网络预测控制研究

发布时间：2017-03-19 05:00

  本文关键词：基于LM算法的溶解氧浓度神经网络预测控制研究，由笔耕文化传播整理发布。

【摘要】：活性污泥法是利用活性污泥中微生物的降解作用来清除污水中污染物质的一种有效方法,是目前工程上使用最为广泛的污水处理工艺之一。溶解氧浓度是污水处理过程中一个极其重要的参数,然而其具有时变、非线性以及存在设定值难以跟踪控制的问题,传统的控制方法(如常规PID控制等)在干扰性强、模型参数不确定等情况下,难以达到理想的控制效果。预测控制具有跟踪性能强、控制效果好、抗干扰能力强等优点,神经网络预测控制(NNPC)充分利用神经网络非线性映射能力在模型预测上的优势,结合预测控制反馈校正、滚动优化的机理,更适合于此类非线性系统的控制。基于上述分析,本课题提出污水处理溶解氧浓度NNPC方法,对控制器的结构及其性能做了全面的设计、分析和仿真,主要工作如下:首先,分析了活性污泥法污水处理工艺,在国际水质协会提出的活性污泥1号模型(ASM1)的基础上,经过合理的假设和约束,结合实际的污水处理厂情况,建立了反映溶解氧浓度、活性污泥浓度以及底物浓度之间内在关系的简化的活性污泥变参数数学模型。其次,针对常规BP神经网络容易陷入局部极小值、收敛速度慢等缺陷,提出采用Levenberg-Marquardt算法(LM算法)对BP神经网络进行优化,并通过对比仿真实验对LM-BP神经网络的模型辨识性能进行了验证。然后,针对目前溶解氧控制存在的问题,提出了NNPC方法,并从模型预测、反馈校正、滚动优化三个方面系统设计了该控制系统。最后,通过仿真实验,验证了LM-BP神经网络构建溶解氧预测模型的有效性,通过和常规控制方法的比较,验证了NNPC对溶解氧设定值的跟踪性能和抗干扰性能。本课题的创新点及贡献在于:(1)运用LM算法优化BP神经网络,克服了常规神经网络的缺陷,在溶解氧NNPC中提高了模型预测精度。(2)针对溶解氧浓度跟踪控制难的问题,提出了溶解氧NNPC方法,对溶解氧神经网络预测控制器模型预测、反馈校正、滚动优化等环节进行了系统全面地设计,并将NNPC方法与常规的控制方法进行了比较。仿真结果表明,NNPC具有很好的自适应性和鲁棒性,提高了溶解氧跟踪控制性能。
【关键词】：污水处理过程 溶解氧浓度 建模 Levenberg-Marquardt算法 神经网络预测控制
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X703;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-15
• 1.1 课题背景与研究意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 污水处理控制研究现状10-12
• 1.2.2 神经网络预测控制研究现状12-13
• 1.3 本课题的研究内容13-15
• 第二章 活性污泥法工艺及数学建模15-26
• 2.1 污水处理技术简介15-16
• 2.2 活性污泥法工艺简介16-17
• 2.3 活性污泥1号模型17-22
• 2.4 简化的变参数活性污泥数学模型22-25
• 2.5 本章小结25-26
• 第三章 基于LM算法优化的BP神经网络模型辨识26-45
• 3.1 神经网络理论概述26-31
• 3.1.1 神经网络基本理论26-27
• 3.1.2 BP神经网络基本原理及学习过程27-30
• 3.1.3 BP神经网络的优点及缺陷30-31
• 3.2 基于LM算法优化的BP神经网络31-35
• 3.2.1 神经网络优化算法31-33
• 3.2.2 高斯-牛顿算法33-34
• 3.2.3 LM算法34-35
• 3.3 LM-BP神经网络模型辨识35-39
• 3.3.1 神经网络模型辨识原理概述35-36
• 3.3.2 神经网络辨识建模的特点36-37
• 3.3.3 神经网络模型辨识结构37-38
• 3.3.4 LM-BP神经网络模型辨识设计38-39
• 3.4 仿真实验39-44
• 3.5 本章小结44-45
• 第四章 溶解氧浓度的神经网络预测控制系统设计45-57
• 4.1 预测控制理论45-48
• 4.1.1 预测控制原理45-46
• 4.1.2 预测控制基本算法46
• 4.1.3 智能预测控制算法46-47
• 4.1.4 神经网络预测控制47-48
• 4.2 溶解氧浓度的神经网络预测控制系统设计48-49
• 4.2.1 溶解氧浓度控制的重要性48
• 4.2.2 控制策略的提出48-49
• 4.2.3 控制方案整体设计49
• 4.3 溶解氧浓度预测模型的建立49-53
• 4.3.1 神经网络非线性多步预测模型49-52
• 4.3.2 LM-BP神经网络构建溶解氧预测模型52-53
• 4.4 溶解氧浓度反馈校正设计53
• 4.5 溶解氧浓度优化控制器的设计53-55
• 4.5.1 优化控制器主要设计方法53
• 4.5.2 基于黄金比例搜索算法的滚动优化设计53-55
• 4.6 本章小结55-57
• 第五章 溶解氧浓度的神经网络预测控制系统仿真57-66
• 5.1 仿真模型分析57-58
• 5.2 系统可控性分析58-59
• 5.3 LM-BP神经网络溶解氧浓度模型的建立59-60
• 5.4 神经网络预测控制系统仿真60-65
• 5.5 本章小结65-66
• 第六章 总结与展望66-68
• 6.1 总结66
• 6.2 展望66-68
• 参考文献68-72
• 附录一 插图清单72-73
• 附录二 表格清单73-74
• 在读研究成果74-75
• 致谢75

【相似文献】

中国期刊全文数据库 前10条

1 杜锋;用神经网络预测脱气处理时的氢含量[J];上海金属;2001年06期

2 张延波,王金国;运用神经网络预测矿井瓦斯涌出量方法的探讨[J];江西煤炭科技;2004年03期

3 刘建学,白崇仁,谢秀英,吴守一;应用神经网络预测高水分食品物料平衡含水量[J];洛阳工学院学报;1998年04期

4 王成华,李武君;灌注单桩竖向极限承载力及沉降的神经网络预测[J];西部探矿工程;2000年04期

5 王科平;吴冰;王福忠;;基于混沌机制的神经网络预测控制及仿真研究[J];河南理工大学学报(自然科学版);2007年01期

6 王婧;李修春;张渭源;;基于主成分-神经网络预测干洗后织物复合体粘合效果[J];纺织学报;2006年05期

7 鲍林;杨汝俊;张亚峰;;体外预应力混凝土抗剪承载力的神经网络预测研究[J];建筑;2013年24期

8 徐建生,赵源;神经网络预测摩擦表层转移元素分布规律的研究[J];中国表面工程;2000年02期

9 王进学,曹作忠;神经网络预测尾矿沉积规律的方法[J];金属矿山;2003年07期

10 万汉伟;龙伟;庞彪;蔡永陵;程磊;;神经网络预测控制在分段台车式电阻炉温度控制中的应用[J];金属热处理;2010年08期

中国重要会议论文全文数据库 前10条

1 孔宪军;高文乐;;复杂环境下地下爆破震动峰值的神经网络预测研究[A];现代爆破理论与技术——第十届全国煤炭爆破学术会议论文集[C];2008年

2 李英;刘豹;;神经网络预测中训练样本的选择[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 阳杰;蒋国荣;张晓岚;;用神经网络预测房间中的后期反射声能序列[A];绿色建筑与建筑物理——第九届全国建筑物理学术会议论文集（一）[C];2004年

4 王娟;赵月静;刘明治;;大型空间可展开天线展开过程神经网络预测控制系统研究[A];第九届全国动力学与控制学术会议会议手册[C];2012年

5 李朝霞;柳百成;郑贤淑;;利用神经网络预测半连铸铝板坯的凹陷变形[A];2002年材料科学与工程新进展（下）——2002年中国材料研讨会论文集[C];2002年

6 陆冬娜;杨马英;;基于DCS系统的神经网络预测控制[A];第八届工业仪表与自动化学术会议论文集[C];2007年

7 张虹;王剑明;;变风量空调房间室温的神经网络预测控制仿真[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

8 杨自强;陆亚俊;;利用神经网络预测空调负荷[A];全国暖通空调制冷1998年学术年会论文集（2）[C];1998年

9 陈峰;桂卫华;王随平;韩晓英;;深海底履带机器车的多神经网络预测控制[A];第二十三届中国控制会议论文集（下册）[C];2004年

10 刘朝晖;梅全喜;黄榕波;温预关;李明亚;;用RBF神经网络预测利培酮稳态血药浓度[A];2013年广东省药师周大会论文集[C];2013年

中国博士学位论文全文数据库 前2条

1 王冬青;非线性时滞系统的神经网络预测控制[D];天津大学;2005年

2 李敬兆;采用神经网络预测和变结构模糊控制的铅酸蓄电池最优充电技术研究[D];合肥工业大学;2003年

中国硕士学位论文全文数据库 前10条

1 连惠新;催化裂化装置反应—再生部分预测控制研究[D];新疆大学;2015年

2 周磊;基于LM算法的溶解氧浓度神经网络预测控制研究[D];安徽工业大学;2016年

3 王冬丽;高速公路交通系统的神经网络预测控制[D];广西大学;2006年

4 易帆;神经网络预测研究[D];西南交通大学;2005年

5 王捍兵;神经网络预测控制应用研究[D];江苏科技大学;2011年

6 王二成;压电智能结构神经网络预测控制[D];河北工程大学;2008年

7 谭元飞;基于神经网络预测控制的锅炉过热汽温控制研究[D];西安科技大学;2012年

8 宫宇宝;超临界CO_2染色装置神经网络预测控制的研究[D];东北大学;2008年

9 郭红梅;神经网络预测控制研究和基于虚拟仪器的控制应用[D];中国石油大学;2007年

10 梁文彬;基于机器人的神经网络预测控制系统研究[D];扬州大学;2008年

  本文关键词：基于LM算法的溶解氧浓度神经网络预测控制研究，，由笔耕文化传播整理发布。

本文编号：255516