基于组合神经网络的污水处理软测量仪表的研究
本文关键词：基于组合神经网络的污水处理软测量仪表的研究 出处：《湖北工业大学》2017年硕士论文 论文类型：学位论文
更多相关文章： 污水处理 软测量 人工神经网络 BOD 仪表
【摘要】：污水处理过程是一个复杂的、非线性的、具有很大滞后的生化反应过程。在污水处理过程中,相关参数的检测任务非常复杂[1]。一些水质参数,尤其是BOD参数,在很多情况下无法用常规的测量方法直接测量得到,从而使污水处理的控制过程变得非常困难。目前,工业领域主要采用了先进的采用软测量技术[1,3]。即利用易测参数作为辅助变量,建立辅助变量与主导变量的数学模型[4],实现主导变量在线建模与估计。由于人工神经网络的计算能力和对复杂非线性问题的处理能力非常强大[5-7],采用基于人工神经网络的软测量技术估计BOD参数[8-10],比常规测量BOD参数的传统仪表反应速度快、成本较低廉,没有价格昂贵的设备使用和设备维护费用,还能够避免人为测量误差。因此,本文的研究具有工程应用价值。本文主要内容有:分析了国内BOD参数的测量现状,从而提出了软测量建模方法,并说明了本研究方法的内容和研究的意义。阐述了人工神经元网络的基本原理以及RBF和DRNN人工神经网络的结构和训练算法,提出了组合神经网络的建模方法。应用组合神经网络建模方法建立了污水处理BOD测量的数学模型,并且用样本数据对数学模型进行了预测。结果表明,采用组合神经网络模型,预测精度较单独RBF或DRNN神经网络有较大提高。基于组合神经网络测量模型,开发了用于BOD测量的软测量仪表。仪表硬件采用西门子S7-1200 PLC。采用组态王和MATLAB作为软件平台,开发了软测量仪表的显示界面。界面显示直观,软件测试效果较好,能够很好地满足测量需求。总之,本文采用软测量技术,通过将RBF和DRNN神经网络相结合,建立了一个组合神经网络模型。并通过实例对模型进行了验证,实验结果表明,该模型是有效的。为实现污水处理水质参数的实时监测和在线控制提供了可能。
[Abstract]:The process of sewage treatment is a complicated , non - linear biochemical reaction process with large lag . In the process of sewage treatment , the detection task of related parameters is very complicated . Some water quality parameters , especially BOD parameters , can not be directly measured by conventional measurement methods in many cases , so that the control process of sewage treatment becomes very difficult .
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：X703;TP183
【相似文献】
相关期刊论文 前10条
1 石乐明;唐宏志;周家驹;;神经网络及其在化学中的应用[J];化学通报;1992年11期
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
相关会议论文 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
相关重要报纸文章 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
相关博士学位论文 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
相关硕士学位论文 前10条
1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年
5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年
6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年
7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年
8 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
9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
10 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
，本文编号：1355896
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/1355896.html
