基于递归自组织RBF神经网络的SVI软测量研究

发布时间：2017-07-18 07:05

  本文关键词：基于递归自组织RBF神经网络的SVI软测量研究

  更多相关文章： 污泥膨胀 SVI软测量 递归自组织RBF神经网络 智能检测系统

【摘要】：污泥膨胀一直是干扰活性污泥法污水处理工艺安全运行的难题之一,其不仅发生率高,而且普遍存在。由于污泥膨胀机理复杂,影响因素众多,很难建立精确的数学模型;同时,由于污泥膨胀的关键指标污泥容积指数(Sludge Volume Index,SVI)很难在线检测,现存污泥膨胀的识别方法存在精度低、滞后时间长、稳定性差和维护成本高等缺点。因此,针对污泥膨胀的实时识别问题,文中建立了基于递归自组织RBF(Recurrent Self-Organizing RBF,RS-RBF)神经网络的SVI软测量模型,完成了污泥膨胀智能检测系统的设计,实现了污泥膨胀的有效识别。该论文主要的研究工作包括以下几点:1.SVI软测量模型辅助变量选择;分析污水处理过程中影响污泥沉降的主要因素,根据污泥沉降性能要求,污水处理过程生化反应机理和污泥膨胀指数相关性分析,提取出与SVI相关的参量。分析相关性参量的重要性并挖掘出重要参量的信息,将相关参量表示为SVI软测量模型的辅助变量,并利用偏最小二乘方法(Partial Least Squares,PLS)确定SVI软测量模型的主要辅助变量(MLSS、COD、DO、pH、TN)。2.RS-RBF神经网络设计;为了提高SVI软测量模型的精度,文中通过对递归RBF神经网络结构及承担任务变化需求分析,提出一种递归RBF神经网络结构自组织设计方法。该结构增长—修剪机制是基于神经网络信息处理能力及竞争性分析,判断增加或删除递归RBF神经网络隐含层中的神经元,实现了递归RBF神经网络结构在线调整,提高了递归RBF神经网络的性能。非线性系统建模的实验结果表明:提出的RS-RBF神经网络与其他自组织神经网络相比,具有更精简的神经网络结构和更高的预测精度。3.基于RS-RBF神经网络的SVI软测量模型研究;针对SVI的在线测量问题,将提出的RS-RBF神经网络应用于SVI软测量模型设计,并提出了一种适合于RS-RBF神经网络的自适应二阶算法(Adaptive Second-Order Algorithm,ASOA),实现了SVI的在线测量。将设计的SVI软测量方法应用于实际污水处理过程中试平台,实验结果表明:与传统的测量方法相比,基于RS-RBF神经网络的SVI软测量模型需要的先验知识较少,而且避免了复杂的模型结构辨识问题,可以有效地对SVI进行测量。4.污泥膨胀智能检测系统设计;针对目前污泥膨胀尚无实用的检测系统问题,文中设计并开发了一种SVI智能预测系统。该系统主要包括用户管理模块、用户登陆模块、样本数据管理模块、模型训练模块、模型预测模块以及模型预警模块。在软件设计方面,首先,利用Visual Studio 2010软件完成系统界面的设计,提供模型训练、模型预测以及模型预警等功能。其次,运用MATLAB软件以及数据库技术,并嵌入基于RS-RBF神经网络的SVI智能预测模型,实现了智能预测模型的计算。最后,通过各个模块之间的信息传输,实现SVI预测值的输出并显示,达到污泥膨胀预测可视化的目的。
【关键词】：污泥膨胀 SVI软测量 递归自组织RBF神经网络 智能检测系统
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X703;TP183
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-29
• 1.1 课题背景及研究意义11-13
• 1.1.1 课题背景11-12
• 1.1.2 研究意义12-13
• 1.2 污泥膨胀研究热点及其检测技术研究现状13-22
• 1.2.1 污泥膨胀概念及相关理论13-20
• 1.2.2 国内外污泥膨胀检测技术研究现状20-22
• 1.3 递归神经网络研究现状22-25
• 1.3.1 递归神经网络结构自组织方法研究现状23-24
• 1.3.2 递归神经网络算法研究现状24-25
• 1.4 课题来源25
• 1.5 研究内容及论文安排25-29
• 第2章 污泥容积指数SVI软测量模型设计29-39
• 2.1 污泥容积指数SVI与机理分析29-30
• 2.1.1 污泥容积指数SVI29
• 2.1.2 机理分析29-30
• 2.2 SVI软测量原理30-34
• 2.3 辅助变量的确定34-37
• 2.3.1 数据采集和预处理34-35
• 2.3.2 辅助变量选取35-37
• 2.4 SVI软测量模型的建立37-38
• 2.5 本章小结38-39
• 第3章 RS-RBF神经网络设计39-59
• 3.1 递归RBF神经网络39-40
• 3.2 递归RBF神经网络结构自组织机制研究40-44
• 3.2.1 结构增长-修剪型递归RBF神经网络40-41
• 3.2.2 神经网络竞争性分析41-43
• 3.2.3 神经元自组织机制43-44
• 3.3 RS-RBF神经网络44-50
• 3.3.1 结构调整算法45-47
• 3.3.2 自适应二阶算法47-49
• 3.3.3 RS-RBF神经网络实现流程49-50
• 3.4 收敛性分析50-52
• 3.4.1 结构固定时递归RBF神经网络收敛性分析50-51
• 3.4.2 结构调整时递归RBF神经网络收敛性分析51-52
• 3.5 实验结果及分析52-58
• 3.6 本章小结58-59
• 第4章 基于RS-RBF神经网络的SVI软测量研究59-69
• 4.1 基于RS-RBF神经网络的SVI软测量模型结构框架59-61
• 4.2 SVI软测量模型61-63
• 4.2.1 SVI软测量模型的训练与预测61-62
• 4.2.2 SVI软测量模型的校正62
• 4.2.3 SVI软测量模型评价指标62-63
• 4.3 污泥容积指数SVI预测实验及结果分析63-68
• 4.4 本章小结68-69
• 第5章 污泥膨胀智能预测系统开发69-79
• 5.1 系统开发计划和需求分析69-71
• 5.1.1 系统开发计划69-70
• 5.1.2 系统开发需求分析70-71
• 5.2 系统开发方案设计及关键技术71-73
• 5.2.1 系统开发方案设计71-72
• 5.2.2 系统开发关键技术72-73
• 5.3 系统功能设计及实现73-78
• 5.4 本章小结78-79
• 结论与展望79-81
• 参考文献81-89
• 攻读硕士学位期间的成果89
• 攻读硕士学位期间所获奖励89-91
• 致谢91

【相似文献】

中国期刊全文数据库 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

，

本文编号：556487