污水处理过程出水总磷智能预测控制方法研究

发布时间：2020-12-07 17:12

　　磷是造成水体富营养化的主要因素之一,而污水处理厂是降低磷排放的主要手段,生物除磷是保证出水总磷达标的前提。然而,由于污水处理过程生物除磷机理复杂、影响因素众多,生物除磷运行过程具有动态非线性等特点,如何改善生物除磷效率,降低出水总磷浓度,是当前控制领域面临的挑战性问题。为了实现污水处理生物除磷过程稳定高效运行,保证出水总磷达标排放,文中提出了一种出水总磷智能预测控制方法。首先,设计了一种基于模糊神经网络(Fuzzy Neural Network,FNN)的出水总磷软测量模型,实现了出水总磷的实时精确检测;其次,提出了一种出水总磷智能预测控制方法,实现了生物除磷过程出水总磷的精确控制;最后,设计并开发了一套出水总磷智能监控系统,并将其应用于实际污水处理厂,实现了污水处理生物除磷过程稳定运行,降低了出水总磷浓度和除磷成本。本论文的主要研究内容包括以下几点:1.污水处理除磷过程特征分析。为了获取生物除磷过程特征,文中基于国际水协会提出的活性污泥2d模型(Activated Sludge Model 2d,ASM2d)研究生物除磷生化反应,深入分析微生物与除磷之间的关系,挖掘影响生物除磷的动态... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
        1.1.1 课题背景
        1.1.2 研究意义
    1.2 污水处理除磷过程国内外研究现状
        1.2.1 出水总磷检测研究现状
        1.2.2 出水总磷控制研究现状
    1.3 课题来源
    1.4 研究内容及论文安排
第2章 污水处理除磷过程特征分析
    2.1 引言
    2.2 ASM2d模型分析
        2.2.1 模型特征和组分
        2.2.2 除磷动态过程
    2.3 生物除磷影响因素
        2.3.1 污泥停留时间的影响
        2.3.2 PH的影响
        2.3.3 溶解氧浓度的影响
    2.4 本章小结
第3章 基于模糊神经网络的出水总磷软测量模型设计
    3.1 引言
    3.2 出水总磷软测量技术
        3.2.1 软测量方法
        3.2.2 出水总磷软测量结构设计
    3.3 过程数据采集与处理
        3.3.1 过程数据采集
        3.3.2 数据预处理
    3.4 出水总磷相关性变量分析
        3.4.1 主成分分析法
        3.4.2 出水总磷相关性变量确定
    3.5 基于模糊神经网络的出水总磷预测模型
        3.5.1 模糊神经网络结构
        3.5.2 自适应二阶算法
    3.6 实验设计及结果分析
        3.6.1 验证实验设计
        3.6.2 小试实验结果分析
        3.6.3 实际实验结果分析
    3.7 本章小结
第4章 出水总磷预测控制方法研究
    4.1 引言
    4.2 控制变量确定
    4.3 生物除磷控制设计
        4.3.1 控制策略设计
        4.3.2 预测控制器设计
    4.4 实验结果及结果分析
        4.4.1 BSM1-ASM2d模型结果分析
        4.4.2 控制实验结果分析
    4.5 本章小结
第5章 出水总磷监控系统设计与实现
    5.1 引言
    5.2 系统设计需求分析
        5.2.1 监控系统功能和性能需求
        5.2.2 数据库需求
        5.2.3 开发技术需求
    5.3 系统总体方案设计
    5.4 功能模块设计与开发
        5.4.1 系统管理模块设计与实现
        5.4.2 数据分析模块设计与实现
        5.4.3 智能监控模块设计与实现
    5.5 本章小结
结论与展望
参考文献
攻读硕士学位期间的成果
攻读硕士学位期间所获奖励
致谢


【参考文献】：
期刊论文
[1]超低溶解氧条件下的EBPR系统除磷性能[J]. 马娟,宋璐,俞小军,李璐,孙雷军,孙洪伟,李光银.  环境科学. 2016(08)
[2]顺序注射平台-分光光度法测定水中总磷[J]. 谷晓明,郝龙腾,王庆飞.  中国环境监测. 2014(04)
[3]污水处理系统在线监测仪的应用及实验室测试技术[J]. 刘亚琴,张智,陈杰云.  实验技术与管理. 2013(09)
[4]DO对除磷过程的长期影响[J]. 彭赵旭,霍明昕,彭永臻,桂丽娟,刘旭亮,于振波.  哈尔滨工业大学学报. 2011(04)



本文编号：2903612