免疫遗传算法的改进研究及其在污水处理中应用

发布时间：2017-10-11 17:34

  本文关键词：免疫遗传算法的改进研究及其在污水处理中应用

  更多相关文章： 污水处理 节能优化 BSM1 免疫遗传算法 并发免疫遗传算法

【摘要】：随着国家越来越重视环境治理和节能减排,有效的降低污水处理厂运行时的电能消耗显得越来越重要。在污水处理领域应用比较广泛的是活性污泥处理方法,而活性污泥污水生化处理仿真模型(Benchmark Simulation Model No.1,BSM1)是目前应用较多的模型,该模型是由活性污泥生化反应池和二沉池组成。本文把BSM1作为仿真研究对象,描述了BSM1的性能评估标准和常规的控制策略,以出水质量指标为约束条件,以鼓风机能耗和泵送能耗为优化目标,研究不同的气候环境进水数据下,活性污泥污水处理系统中控制器设定值的最优化策略。为了提高控制参数的精度,本文首先对传统的免疫遗传算法进行改进,提出局部搜索的免疫遗传优化算法,该算法以梯度下降的方法加速个体的迭代速度,并且增强了免疫遗传算法的局部搜索能力,以提高收敛时的精度。应用马尔科夫链模型对梯度下降免疫遗传算法进行了数学描述,并给出了数学证明。标准测试函数的仿真实验证明,改进算法能在保持快速收敛速度的同时,达到满意的高精度全局最优值。用标准测试函数对本文提出的局部搜索免疫遗传算法进行性能测试,并将该算法与当前先进的免疫优化算法进行对比实验,结果证明了该算法的有效性。接着,本文将提出的局部搜索免疫遗传算法应用在污水生化处理过程的控制器设定值最优化问题上,在BSM1模型上进行仿真实验,并与常规控制、遗传算法、克隆免疫算法和免疫遗传算法进行对比,结果表明,该算法体现出了更好的搜索性能,能够搜索到精度更高的结果,得到了令人满意的优化效果。目前大多数智能的优化控制策略都是在MATLAB平台上运行,但是MATLAB平台在Windows环境下的并发性能较差,使得优化算法的运算速度还未达到可以实际应用的水平。于是,本文将免疫遗传算法移植到开源的LINUX平台上运行,并进行了相应的优化算法改进:利用共享内存来实现不同优化过程之间的通信,绑定处理器技术消除了处理器调度的资源浪费,进而提升了计算的性能。最终的实验仿真表明,改进的并发免疫算法不仅能提高计算的速度,还能提高计算的精度,完全可以应用在工业现场当中。
【关键词】：污水处理 节能优化 BSM1 免疫遗传算法 并发免疫遗传算法
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X703;TP18
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-18
• 1.1 课题研究背景及意义10-11
• 1.2 活性污泥法污水处理建模及其国内外研究现状11-15
• 1.2.1 活性污泥法污水处理模型11-13
• 1.2.2 活性污泥法污水处理优化的国内外现状13-15
• 1.3 免疫遗传算法15-17
• 1.3.1 免疫遗传相关混合算法15
• 1.3.2 免疫遗传算法在活性污泥环境下的应用15-16
• 1.3.3 并行免疫遗传算法16-17
• 1.4 本文主要工作及内容安排17-18
• 第二章 活性污泥法污水处理标准仿真模型18-29
• 2.1 BSM1综合模型结构18-25
• 2.1.1 BSM1模型简介18-19
• 2.1.2 生化反应池模型19-23
• 2.1.3 二沉池模型23-25
• 2.2 活性污泥法污水处理性能评估标准25-26
• 2.3 BSM1实验仿真模型26-28
• 2.4 本章小结28-29
• 第三章 局部搜索的免疫遗传算法29-47
• 3.1 免疫遗传算法概述29-32
• 3.1.1 免疫遗传学说29-30
• 3.1.2 阴性选择学说30-31
• 3.1.3 克隆选择学说31
• 3.1.4 免疫网络学说31-32
• 3.2 局部搜索的免疫遗传算法32-37
• 3.3 局部搜索的免疫遗传算法收敛性证明37-39
• 3.4 算法计算复杂度分析39
• 3.5 数值仿真与分析39-43
• 3.6 与目前其他先进算法的实验对比43-46
• 3.7 本章小结46-47
• 第四章 局部搜索免疫遗传算法的污水处理节能优化47-54
• 4.1 污水处理过程节能优化47-50
• 4.1.1 基于BSM1的节能优化47-49
• 4.1.2 局部搜索的免疫遗传算法优化污水控制器流程49-50
• 4.2 仿真实验和实验分析50-53
• 4.3 本章小结53-54
• 第五章 基于LINUX平台的并行免疫遗传算法54-66
• 5.1 并行免疫算法设计54-55
• 5.2 系统设计55-63
• 5.2.1 Linux操作系统概述55
• 5.2.2 算法和系统框架描述55-58
• 5.2.3 硬件环境58
• 5.2.4 软件环境以及具体实现58-62
• 5.2.5 处理器绑定技术62-63
• 5.3 实验结果以及分析63-65
• 5.4 本章小结65-66
• 总结与展望66-68
• 参考文献68-72
• 攻读硕士学位期间取得的研究成果72-73
• 致谢73-74
• 附表74

【相似文献】

中国期刊全文数据库 前10条

1 王景芳;廖亦凡;;基于免疫遗传算法求解烃类转化非线性二元方程组[J];化工自动化及仪表;2008年03期

2 王健;陈强;;免疫遗传算法在逆变器开关优化中的应用[J];江西理工大学学报;2009年01期

3 蔡文生,于芳,赵巍,邵学广,潘忠孝,张懋森;免疫遗传算法在色谱解析中的应用[J];计算机与应用化学;2000年Z1期

4 王景芳;廖亦凡;梁欣;;基于免疫遗传算法求解烃类转化非线性方程组[J];石油化工自动化;2008年03期

5 陈晓峰;杨广明;;基于信息熵的量子免疫遗传算法[J];辽宁工程技术大学学报(自然科学版);2013年04期

6 罗小平,韦巍,陈国初;一种基于免疫遗传算法的CSTR跟踪控制新方法[J];石油大学学报(自然科学版);2003年03期

7 朱玉;张虹;苏成;;基于免疫遗传算法的煤与瓦斯突出预测研究[J];中国矿业大学学报;2009年01期

8 高燕;陈云翔;丁永生;汤兵勇;;基于免疫遗传算法的洪灾神经网络评估模型[J];自然灾害学报;2006年01期

9 熊婷;邹璇;;基于免疫遗传算法的煤炭职业院校排课新算法[J];煤炭技术;2013年11期

10 孙玉坤;张瑶;黄永红;孙晓天;;基于免疫遗传算法的动态递归模糊神经网络在发酵过程中的应用[J];信息与控制;2011年01期

中国重要会议论文全文数据库 前10条

1 邱文旭;任红梅;谷文祥;;基于免疫遗传算法原理的应对规划[A];第九届中国青年信息与管理学者大会论文集[C];2007年

2 刘媛媛;李茂军;;基于免疫遗传算法的电力市场竞价方法[A];第二十七届中国控制会议论文集[C];2008年

3 王士武;温进化;;多目标免疫遗传算法在梯级水库群优化调度中的应用研究[A];2012全国水资源合理配置与优化调度技术专刊[C];2012年

4 刘敏;曾涛;徐开阔;包小源;孙华志;刘燕茹;;一种基于免疫遗传算法的分子对接构象搜索策略[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

5 梁瑞鑫;郑德玲;周颖;位耀光;;免疫遗传算法在高炉焦比目标优化中的应用[A];第二十一届中国控制会议论文集[C];2002年

6 王鲜芳;杜志勇;潘丰;;基于免疫遗传算法模糊神经元温度控制器的设计[A];2007中国控制与决策学术年会论文集[C];2007年

7 贺琳;赵垒;王玲平;;免疫遗传算法在现代电力系统故障诊断中的应用[A];高效 清洁 安全 电力发展与和谐社会建设——吉林省电机工程学会2008年学术年会论文集[C];2008年

8 李奎;;基于免疫遗传算法的空框架调度及其模拟分析[A];物流工程三十年技术创新发展之道[C];2010年

9 王生铁;张计科;张思林;;多峰值函数优化的父代保留免疫遗传算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

10 镡铁春;吴敬松;刘伯颖;;免疫遗传算法及其在函数优化中的应用[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年

中国博士学位论文全文数据库 前4条

1 郑a睿;基于免疫遗传算法的钢筋混凝土框剪结构优化研究[D];上海大学;2015年

2 马佳;改进免疫遗传算法及其在优化调度问题中的应用研究[D];东北大学;2008年

3 施亚能;基于多Agent食品安全政府监管模型与仿真[D];武汉理工大学;2011年

4 姚睿;数字进化硬件关键技术研究[D];南京航空航天大学;2008年

中国硕士学位论文全文数据库 前10条

1 申森;矢量距免疫遗传算法在电压优化调整与治理中的应用[D];郑州大学;2015年

2 龙漪澜;小时级月度发购电计划的优化模型及算法研究[D];重庆大学;2015年

3 王姣;定制公交行车站点规划与时刻表编制研究[D];北京交通大学;2016年

4 吕微;基于混沌免疫遗传算法的优化问题研究[D];东北石油大学;2010年

5 蒋育霖;免疫遗传算法的改进研究及其在污水处理中应用[D];华南理工大学;2016年

6 米焕霞;关于免疫遗传算法的研究[D];西北大学;2009年

7 金磊;基于免疫遗传算法的车间作业调度问题研究[D];长春理工大学;2009年

8 缪红萍;免疫遗传算法及应用研究[D];北京化工大学;2005年

9 张建萍;基于并行机制的免疫遗传算法的研究及应用[D];山东师范大学;2007年

10 马书龙;基于并行免疫遗传算法的无向排列的反转排序方法研究[D];东北师范大学;2007年

，

本文编号：1013857