基于不平衡污水处理数据的故障诊断研究及软件开发

发布时间：2020-04-20 04:16

【摘要】：污水处理系统是一个复杂的生化反应系统,具有非线性、滞后性大、干扰强等特点。这使得污水处理厂有时会出现各种原因导致的故障,如果故障没有被及时诊断将会导致一系列严重问题。运用机器学习与数据挖掘相关的算法对于污水处理具有重大意义。但由于污水处理过程采集到的污水处理数据是不平衡的,经典机器学习算法在进行污水处理数据的故障诊断时往往难以识别出故障状态的样本。因此需要研究故障诊断方法来对污水处理系统进行及时的故障诊断,以便进行处理。本文以污水处理为应用背景,主要研究内容如下:1.在通过对常用的聚类算法理论进行研究的基础上,针对不平衡数据分类问题提出一种基于聚类的不平衡数据处理方法。通过实验结果表明该方法可以有效提高分类器多数类样本的分类准确率,并有效提高分类器的分类G-mean值,在污水处理过程的故障诊断中有着良好的效果。2.通过对单隐层前馈神经网络、用于样本过采样的SMOTE算法和Bagging集成框架相关理论的研究,在以上理论基础上针对污水数据的不平衡性提出了一种基于加权极限学习机的SMOTE_Bagging集成污水处理故障诊断方法。对比实验结果表明该方法在污水处理故障诊断场合对故障类样本有着更高的分类准确率和更高的G-mean值,适用于实际污水处理故障诊断。3.针对SMOTE_Bagging_WELM训练时间较长的问题进一步对集成框架进行改进,提出了一种基于加权极限学习机的重采样池快速集成污水处理故障诊断方法SP-EWELM。实验结果表明SP-EWELM在污水处理故障诊断场合对故障类样本有着更高的分类准确率,同时建模需要的训练时间更少,适用于实际污水处理故障诊断。4.为了方便污水处理系统工作人员对污水处理故障诊断算法的实际运用,使用Python设计并实现了一个污水生化处理故障诊断与预警系统软件,实现了出水指标预测、污水故障诊断、污水数据管理的功能。经测试证明该软件性能可靠,使用简单,能够极大地方便工作人员对污水处理系统进行故障诊断。
【图文】：

分类图,故障诊断方法,分类图

故障诊断是查找设备或系统无法正常工作原因的过程。对系统进行故障诊断的判断系统状态并分析异常情况的根源，并根据诊断结果对系统故障恢复提供辅助。故障诊断的主要流程有：故障检测、判断、位置定位及恢复等。故障检测是指过连接设备相应的传感器，定时获取信号数据，在数据里提取关键特征信息来判当前状况，并由此判断系统是否存在故障的过程。故障判断是系统在检测到故障诊断系统故障属于具体哪个类型的步骤。故障位置定位基于故障检测和故障判断障情况的细节进一步进行细化，诊断出故障的具体位置及原因，为故障恢复做更参考。故障恢复是故障诊断的目的，在此环节会根据故障的原因做出系统恢复的策。故障诊断技术是一门涉及控制理论、电子技术、计算机技术和人工智能算法等科的综合性技术。目前故障诊断主要有两类方法：基于数学模型的方法和基于人算法的方法。故障诊断方法的分类如图 1-1 所示。

流程图,活性污泥法工艺,流程图,活性污泥法

第二章基于不平衡数据的污水处理本章将对活性污泥法的工艺流程及其重要参数进行介绍、并阐述采用活性污泥法的污水处理厂常见的故障类别，再对本文采用的污水数据来源及其特点，还有针对其特点使用的预处理方法进行介绍分析。2.1 活性污泥法工艺2.1.1 工艺流程现代污水处理系统采用了三级污水处理工艺，首先第一级处理是污水预处理，第二级处理是污水污染物降解处理，第三级对污水进行进一步的净化处理。活性污泥法是污水处理厂进行第一、二级处理时常用的方法。活性污泥指污水中的有机和无机物的聚集及吸附在这些物质上的微生物。活性污泥法运用活性污泥中包含的微生物来对污水进行净化处理。活性污泥法的流程如图 2-1 所示。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X703;TP311.13;TP181

【参考文献】