基于ESN的污水处理过程优化控制方法研究

发布时间：2023-04-02 12:44

　　污水处理过程是一个复杂的动态的生化反应过程，具有高度非线性、变量繁多、大滞后和干扰严重等特征。因此，无法建立其精确的数学模型。传统的控制方法不能获得令人满意的控制效果。为了提高污水处理能力，保证出水水质达标，降低操作成本，研究新型的污水处理过程智能优化控制策略不仅具有重要的理论意义，而且非常具有实际的应用价值。 论文以基准仿真模型（Benchmark Simulation Model no.1，BSM1）为基础，设计了一种污水处理过程多变量自适应预测控制策略，提出了一种基于设定值优化模型的优化控制方法，最后建立了一种在线预测优化控制系统。论文的主要工作和创新点如下： 1、深入分析了由欧盟科学技术合作组织（COST）和国际水协（IWA）合作共同提出的仿真基准模型BSM1，并在matlab环境下实现了BSM1平台的可视化运行，为新型控制策略的研究工作奠定了基础。 2、针对污水处理过程高度非线性、大时变、大滞后等特征，提出了一种基于回声状态网络（Echo State Network，ESN）的多变量自适应预测控制策略。首先，利用ESN建立了预测模型，其次设计了ESN辨识器，通过计算辨识器与实...

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
目录
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 活性污泥处理工艺及流程概述
        1.2.1 活性污泥法污水处理工艺分类
        1.2.2 活性污泥法污水处理流程概述
    1.3 污水处理过程控制的现状
        1.3.1 污水处理中控制的影响因素
        1.3.2 污水处理过程控制方法的现状
    1.4 课题来源
    1.5 论文主要研究内容与结构安排
第2章 污水处理过程模型分析
    2.1 活性污泥 1 号模型(ASM1)描述
        2.1.1 ASM1 的描述
        2.1.2 ASM1 所含的组分
        2.1.3 ASM1 的 8 个反应过程
        2.1.4 ASM1 的 19 个参数
    2.2 BSM1 描述
        2.2.1 生化池模型
        2.2.2 二沉池模型
        2.2.3 性能评价指标
    2.3 污水处理过程神经网络模型
        2.3.1 数据采集及网络输入输出的确定
        2.3.2 模型结构算法的选择和训练检验
        2.3.3 基于神经网络的污水处理过程建模
    2.4 小结
第3章 基于 ESN 的污水处理多变量自适应预测控制
    3.1 BSM1 平台的实现
    3.2 预测控制的原理
    3.3 污水处理多变量自适应预测控制
        3.3.1 回声状态网络介绍
        3.3.2 预测控制器结构描述
    3.4 实验结果及分析
    3.5 小结
第4章 基于 ESN 设定值优化模型的污水处理优化控制
    4.1 优化目标函数的定义及分析
    4.2 能耗因子、出水指标以及组分的关系
    4.3 基于设定值优化模型的控制系统
        4.3.1 优化模型的模型分析
        4.3.2 优化模型的建立
    4.4 实验结果及分析
    4.5 小结
第5章 基于 ESN 的污水处理过程在线优化控制
    5.1 优化算法简介
    5.2 优化问题描述
    5.3 优化控制系统结构
        5.3.1 性能指标预测模型
        5.3.2 神经网络优化模型
    5.4 仿真结果及分析
    5.5 小结
结论与展望
参考文献
附录
攻读硕士学位期间所获得的研究成果
致谢



本文编号：3779249