当前位置:主页 > 科技论文 > 自动化论文 >

基于自组织模糊神经网络的污水处理多目标模型预测控制研究

发布时间:2017-08-19 10:43

  本文关键词:基于自组织模糊神经网络的污水处理多目标模型预测控制研究


  更多相关文章: 污水处理过程 非线性模型预测控制 非线性多目标模型预测控制 自组织模糊神经网络 自适应二阶算法


【摘要】:污水处理过程是一个典型的复杂流程工业过程,具有流程工业过程普遍存在的非线性、强耦合性、不确定性、大时变等特点;尤其是污水处理的进水流量和进水成分被动接受、生化反应过程复杂多变、过程参数难以获取、对象模型不明确等,使得污水处理过程控制非常困难、出水水质难以达标、污水处理运行过程耗能严重。因此,围绕如何保证污水处理平稳运行、出水水质达标、节能降耗等关键问题展开研究,探索智能控制方法与技术,对实现污水处理过程的有效控制具有重要的意义。模型预测控制已广泛地应用于复杂流程工业过程,但是由于污水处理过程对象的是一个强非线性系统,难以建立其精确的模型,一般的模型预测控制难以适应污水处理控制的需求,无法自适应动态的跟踪对象的变化,导致控制精度无法保证。为了解决污水处理过程模型难以建立的问题,文中提出了一种非线性模型预测控制方法,该非线性模型预测控制方法采用自组织模糊神经网络建立污水处理过程的预测模型,基于预测模型实现了污水处理过程溶解氧的精确控制,具有控制精度高,自适应能力强的特点。同时,为了达到污水处理的平稳运行的同时降低污水处理过程的能耗,设计了一种非线性多目标模型预测控制方法,完成了溶解氧和硝态氮等重要控制变量的控制,保证了污水处理过程的稳定运行,达到了出水水质达标和节能降耗的目的。论文主要研究工作和创新点如下:1.污水处理过程预测模型研究;针对污水处理控制中对象模型难以建立的问题,提出一种基于自组织模糊神经网络的污水处理过程预测模型,其能够建立准确的对象模型,并提供精确的预测值,确保控制器准确的跟踪未来轨迹。提出的自组织模糊神经网络(SOA-SOFNN)预测模型可以并发优化过程参数和优化网络结构。首先,网络利用具有自适应学习率的二阶算法调整网络的参数,该算法保证了网络的收敛性和寻优的精度;然后,通过网络性能指标和基于相对重要性的神经网络活跃性指标对网络结构进行动态调整,并通过网络补偿保证网络的收敛性,以提高网络的泛化能力;以上设计都是为增加模型识别污水处理过程特征的能力。最后对预测模型的收敛性进行了证明。该预测模型为污水处理过程中的数据预测提供了可靠的手段。2.污水处理过程非线性模型预测控制方法研究;针对活性污泥法过程中溶解氧控制的必要性,以及控制手段单一,缺乏自适应能力的问题,提出了基于自组织模糊神经网络的非线性模型预测控制方法(SOA-SOFNN-MPC),该模型具有极好的非线性解决能力和自适应能力。其可以通过网络的结构调整来自适应跟踪污水处理系统,动态的维持预测精度,实时跟踪污水处理的特征。另外,该控制策略的稳定性得到了证明。通过在BSM1模型的实际应用,不仅有效的提高了溶解氧的控制精度,避免了溶解氧过高过低影响活性污泥的正常反应,还提高了出水质量并且降低了能耗。3.污水处理过程非线性多目标模型预测控制方法;针对污水处理系统多变量、多参数、强耦合的特点,综合考虑污水处理过程中的多个控制回路,避免耦合带来的控制问题,以此来进一步提高出水水质,并降低能耗。解决方案为采用基于自组织模糊神经网络的多目标模型预测控制策略。该控制策略也引入了自组织模糊神经网络来识别对象,并通过多个模型有效的对污水处理系统进行解耦,同时采用多目标线性规划方法(mp-moLP)来进行控制器的优化。同样,该方法的稳定性也得到了证明,保证了控制策略的可靠性。同时,经过BSM1上的验证,证明了该方法能有效的对溶解氧和硝态氮实现跟踪,并且进一步改善了污水处理系统的性能。
【关键词】:污水处理过程 非线性模型预测控制 非线性多目标模型预测控制 自组织模糊神经网络 自适应二阶算法
【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
  • Abstract6-10
  • 第1章 绪论10-20
  • 1.1 课题背景及研究意义10-12
  • 1.1.1 课题背景10-11
  • 1.1.2 研究意义11-12
  • 1.2 污水处理过程国内外研究现状12-17
  • 1.2.1 污水处理工艺发展现状12-14
  • 1.2.2 污水处理控制国内外研究现状14-17
  • 1.3 课题来源17
  • 1.4 研究内容及论文安排17-20
  • 第2章 污水处理过程控制平台设计20-32
  • 2.1 污水处理过程特征分析20-23
  • 2.1.1 污水处理过程生化反应特征20-21
  • 2.1.2 污水处理的影响因素21-23
  • 2.2 污水处理控制平台23-24
  • 2.3 BSM1基准仿真平台24-31
  • 2.3.1 BSM1模型生化反应池24-28
  • 2.3.2 BSM1模型二沉池28-30
  • 2.3.3 BSM1模型评价标准30-31
  • 2.4 本章小结31-32
  • 第3章 自组织模糊神经网络预测模型32-50
  • 3.1 模糊神经网络结构分析32-33
  • 3.2 自组织模糊神经网络预测模型33-39
  • 3.2.1 自适应改进二阶优化算法34-36
  • 3.2.2 神经元的相对重要性评价指标36-37
  • 3.2.3 基于相对重要性的自组织机制37-38
  • 3.2.4 自组织模糊神经网络的算法步骤38-39
  • 3.3 自组织模糊神经网络收敛性分析39-42
  • 3.3.1 结构固定阶段39-41
  • 3.3.2 结构自组织阶段41-42
  • 3.4 实验结果及结果分析42-48
  • 3.5 本章小结48-50
  • 第4章 基于神经网络的溶解氧模型预测控制50-62
  • 4.1 溶解氧的模型预测控制50-53
  • 4.1.1 溶解氧模型预测控制器设计51-52
  • 4.1.2 溶解氧模型预测控制器优化算法52-53
  • 4.1.3 溶解氧模型预测控制的算法步骤53
  • 4.2 溶解氧模型预测控制稳定性分析53-54
  • 4.3 实验结果及结果分析54-60
  • 4.3.1 SOA-SOFNN建模和评价55-56
  • 4.3.2 溶解氧的在线模型预测控制56-59
  • 4.3.3 实验结果分析59-60
  • 4.4 本章小结60-62
  • 第5章 污水处理多目标模型预测控制62-76
  • 5.1 污水多目标模型预测控制结构62-65
  • 5.1.1 污水多目标模型预测控制器设计62-63
  • 5.1.2 污水多目标模型预测控制器优化算法63-65
  • 5.1.3 污水多目标模型预测控制算法步骤65
  • 5.2 污水多目标模型预测控制稳定性分析65-67
  • 5.3 实验结果及结果分析67-73
  • 5.3.1 SOA-SOFNN模型预测67-68
  • 5.3.2 非线性多目标控制器评价68-72
  • 5.3.3 实验结果分析72-73
  • 5.4 本章小结73-76
  • 结论与展望76-78
  • 参考文献78-84
  • 攻读硕士学位期间的成果84
  • 攻读硕士学位期间所获奖励84-86
  • 致谢86

【相似文献】

中国期刊全文数据库 前10条

1 王爽;朱栋华;王家凯;;模糊神经网络的理论与应用[J];江苏环境科技;2007年S2期

2 李恒嵬;;模糊神经网络研究现状综述[J];辽宁科技学院学报;2010年02期

3 宋彬彬;;模糊神经网络的发展与应用[J];煤炭技术;2012年07期

4 刘平,程翼宇;辨识药物定量构效关系的模糊神经网络方法研究[J];高等学校化学学报;2000年10期

5 孙增圻;模糊神经网络及其在系统建模与控制中的应用[J];南京化工大学学报(自然科学版);2000年04期

6 肖文晖,刘亚斌,王思存;燃气小时负荷的模糊神经网络预测[J];煤气与热力;2002年01期

7 刘军;崔红;庞中华;李桂丽;;基于综合算法的补偿模糊神经网络建模方法[J];青岛科技大学学报(自然科学版);2006年01期

8 付家才;石娟;唐旭华;;基于阴阳调和的模糊神经网络[J];黑龙江科技学院学报;2007年03期

9 路永辉;马翠红;;小波模糊神经网络在高炉炉温预测中的应用[J];四川冶金;2008年06期

10 刘灿;;模糊神经网络及其在医学诊断中的应用[J];化学工程与装备;2010年02期

中国重要会议论文全文数据库 前10条

1 李仁发;乜崇义;;一种用模糊神经网络建立模糊模型的新方法[A];1996年中国智能自动化学术会议论文集(上册)[C];1996年

2 舒赛刚;任雪梅;陈杰;;模糊神经网络在混沌预测中的应用[A];第二十届中国控制会议论文集(下)[C];2001年

3 张剑辉;彭力;林行辛;;变结构的补偿模糊神经网络的研究[A];第二十三届中国控制会议论文集(上册)[C];2004年

4 林雄;张福金;黄槐仁;刘煜;;进化模糊神经网络在时序预测的应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年

5 谢维信;钱涛;;模糊神经网络研究述评[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 陈一飞;李怀;;模糊神经网络在室内采光控制中的应用[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年

7 荣莉莉;;模糊神经网络在项目评价系统中的应用[A];全国青年管理科学与系统科学论文集第5卷[C];1999年

8 孙增圻;;模糊神经网络及其在系统建模与控制中的应用[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年

9 马海峰;李晨光;唐涛;;基于模糊神经网络的列车运行安全控制[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年

10 王孙安;杜海峰;;基于相平面的模糊神经网络研究及应用[A];第一届全国流体动力及控制工程学术会议论文集[C];2000年

中国博士学位论文全文数据库 前10条

1 何春梅;模糊神经网络的性能及其学习算法研究[D];南京理工大学;2010年

2 李龙;模糊神经网络学习算法及收敛性研究[D];大连理工大学;2010年

3 翟东海;加乘型模糊神经网络理论和应用的研究[D];西南交通大学;2003年

4 杨洁;模糊神经网络的学习收敛性与阈值可去性[D];大连理工大学;2006年

5 艾芳菊;模糊神经网络的结构优化研究[D];中国科学院研究生院(成都计算机应用研究所);2006年

6 王振雷;模糊神经网络理论及其在复杂系统中的应用研究[D];东北大学;2002年

7 孙海蓉;模糊神经网络的研究及其应用[D];华北电力大学(河北);2006年

8 周志坚;基于遗传算法的神经模糊技术应用研究[D];华南理工大学;1999年

9 朱喜林;模糊神经网络选择机械加工参数的应用研究[D];吉林大学;2006年

10 陈向坚;微型飞行器姿态的智能控制方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2012年

中国硕士学位论文全文数据库 前10条

1 曹甄;基于模糊神经网络的桥梁状态评价[D];天津大学;2009年

2 程冰;模糊神经网络研究[D];广东工业大学;2005年

3 王玉红;基于模糊神经网络的信用风险评级研究[D];哈尔滨工程大学;2006年

4 王雪苗;模糊神经网络优化及应用研究[D];大连理工大学;2006年

5 马秀会;模糊神经网络研究综述[D];吉林大学;2008年

6 徐坤哲;基于区间二型TSK模糊神经网络系统的时间序列预测及应用研究[D];渤海大学;2015年

7 王萌;基于模糊神经网络的高压不对称脉冲轨道电路故障诊断[D];北京交通大学;2016年

8 程林中;基于模糊神经网络的输电线路故障诊断系统研究[D];安徽理工大学;2016年

9 于沙家;基于模糊神经网络的热电厂脱硫系统建模与控制研究[D];青岛科技大学;2016年

10 曲代丽;基于模糊神经网络的驾驶员制动意图辨识技术研究[D];长春工业大学;2016年



本文编号:700287

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/700287.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户161c2***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com