污水生化处理系统的智能预测及优化控制策略研究
发布时间：2023-06-03 03:49
活性污泥法污水处理技术是实现有机污水净化的一种可持续发展的方法.污水生化处理过程具有机理复杂、耦合性、非线性和时变性等特征,采用传统的方法难以保证污水处理过程稳定、高效运行.本论文针对污水处理运行中存在的一些问题,研究智能优化和控制新方法,实现污水处理过程中关键出水水质的建模预测、重要参数的优化控制和关键控制器的设计.本文的主要研究内容如下:1.针对污水生化处理系统中一些难以测量的关键参数监测问题,研究了基于改进极限学习机的污水生化处理关键出水水质的建模预测.首先,借鉴了蛙跳算法的模因进化机制,并混合差分进化算法和粒子群优化算法,提出了一种新的混合智能优化算法,并通过仿真验证其改进的寻优性能;接着将提出的智能算法用于优化极限学习机的隐层节点参数,获得了一种改进的极限学习机,采用基于真实数据集的回归仿真实验验证其计算性能;最后,将所提出的改进极限学习机应用于污水生化处理中关键出水水质的建模预测上,取得了良好的预测效果.2.针对污水生化处理系统中关键控制器设定值的确定问题,研究了基于改进差分进化算法的污水生化处理过程单目标优化控制.提出了一种改进的差分进化算法,基于模因进化强化局部学习的机...
【文章页数】：122 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 活性污泥法污水生化处理系统
1.3 污水生化处理系统的主要研究问题及现状
1.3.1 污水生化处理系统的出水水质预测问题
1.3.2 污水生化处理系统的优化控制问题
1.3.3 污水生化处理系统的控制策略问题
1.4 智能优化及控制方法
1.4.1 差分进化算法
1.4.2 粒子群优化算法
1.4.3 神经网络控制方法
1.5 本文的主要工作
第二章 基于改进极限学习机的污水处理过程关键出水水质预测
2.1 引言
2.2 差分粒子群混合优化算法(DEPSO)
2.2.1 DEPSO算法的提出
2.2.2 仿真与分析
2.3 改进极限学习机
2.3.1 基本极限学习机(ELM)
2.3.2 改进极限学习机的提出及性能测试
2.4 基于改进极限学习机的关键出水水质预测仿真与分析
2.5 本章小结
第三章 基于改进差分进化算法的污水处理过程设定值优化
3.1 引言
3.2 污水生化处理过程的设定值优化问题
3.3 一种改进的差分进化算法(IDE)
3.3.1 IDE算法的提出
3.3.2 仿真与分析
3.4 基于IDE算法的优化控制仿真与分析
3.5 本章小结
第四章 基于自适应差分进化算法的污水处理过程多目标优化
4.1 引言
4.2 污水生化处理过程的多目标优化问题
4.3 自适应差分进化算法(AOLDE)
4.3.1 AOLDE算法的提出
4.3.2 仿真与分析
4.4 基于AOLDE算法的污水处理过程多目标优化仿真与分析
4.5 本章小结
第五章 基于神经网络的溶解氧浓度控制研究
5.1 引言
5.2 溶解氧浓度控制器设计
5.2.1 单神经元自适应PID溶解氧浓度控制器
5.2.2 基于RBF神经网络的溶解氧浓度控制器
5.3 仿真与分析
5.3.1 神经网络训练与控制性能关系仿真分析
5.3.2 几种控制器对比仿真与分析
5.4 本章小结
第六章 基于自适应神经网络的溶解氧浓度控制研究
6.1 引言
6.2 问题描述与预备
6.2.1 活性污泥动态模型
6.2.2 控制目标
6.2.3 RBF神经网络
6.3 自适应神经网络控制器设计
6.3.1 理想非线性反馈控制器
6.3.2 自适应神经网络控制器
6.4 仿真与分析
6.5 本章小结
第七章 基于扰动观测器自适应神经网络的溶解氧浓度控制研究
7.1 引言
7.2 问题描述
7.3 基于扰动观测器的自适应神经网络控制器设计
7.3.1 理想反馈控制器
7.3.2 基于扰动观测器的自适应神经网络控制
7.4 仿真与分析
7.5 本章小结
结论与展望
参考文献
攻读博士学位期间的研究成果
致谢
附件
本文编号：3828608
【文章页数】：122 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 活性污泥法污水生化处理系统
1.3 污水生化处理系统的主要研究问题及现状
1.3.1 污水生化处理系统的出水水质预测问题
1.3.2 污水生化处理系统的优化控制问题
1.3.3 污水生化处理系统的控制策略问题
1.4 智能优化及控制方法
1.4.1 差分进化算法
1.4.2 粒子群优化算法
1.4.3 神经网络控制方法
1.5 本文的主要工作
第二章 基于改进极限学习机的污水处理过程关键出水水质预测
2.1 引言
2.2 差分粒子群混合优化算法(DEPSO)
2.2.1 DEPSO算法的提出
2.2.2 仿真与分析
2.3 改进极限学习机
2.3.1 基本极限学习机(ELM)
2.3.2 改进极限学习机的提出及性能测试
2.4 基于改进极限学习机的关键出水水质预测仿真与分析
2.5 本章小结
第三章 基于改进差分进化算法的污水处理过程设定值优化
3.1 引言
3.2 污水生化处理过程的设定值优化问题
3.3 一种改进的差分进化算法(IDE)
3.3.1 IDE算法的提出
3.3.2 仿真与分析
3.4 基于IDE算法的优化控制仿真与分析
3.5 本章小结
第四章 基于自适应差分进化算法的污水处理过程多目标优化
4.1 引言
4.2 污水生化处理过程的多目标优化问题
4.3 自适应差分进化算法(AOLDE)
4.3.1 AOLDE算法的提出
4.3.2 仿真与分析
4.4 基于AOLDE算法的污水处理过程多目标优化仿真与分析
4.5 本章小结
第五章 基于神经网络的溶解氧浓度控制研究
5.1 引言
5.2 溶解氧浓度控制器设计
5.2.1 单神经元自适应PID溶解氧浓度控制器
5.2.2 基于RBF神经网络的溶解氧浓度控制器
5.3 仿真与分析
5.3.1 神经网络训练与控制性能关系仿真分析
5.3.2 几种控制器对比仿真与分析
5.4 本章小结
第六章 基于自适应神经网络的溶解氧浓度控制研究
6.1 引言
6.2 问题描述与预备
6.2.1 活性污泥动态模型
6.2.2 控制目标
6.2.3 RBF神经网络
6.3 自适应神经网络控制器设计
6.3.1 理想非线性反馈控制器
6.3.2 自适应神经网络控制器
6.4 仿真与分析
6.5 本章小结
第七章 基于扰动观测器自适应神经网络的溶解氧浓度控制研究
7.1 引言
7.2 问题描述
7.3 基于扰动观测器的自适应神经网络控制器设计
7.3.1 理想反馈控制器
7.3.2 基于扰动观测器的自适应神经网络控制
7.4 仿真与分析
7.5 本章小结
结论与展望
参考文献
攻读博士学位期间的研究成果
致谢
附件
本文编号：3828608
本文链接：https://www.wllwen.com/shengtaihuanjingbaohulunwen/3828608.html
最近更新
教材专著
