论文部分内容阅读
活性污泥污水处理法是利用活性污泥中微生物的生命活动来清除污水中污染物质的一种有效方法,是目前世界上工业有机废水和城市污水二次处理的主要方法之一。由于进水水质水量的剧烈变化,以及微生物生长的复杂性,使得污水处理过程具有多变量、非线性、强耦合、大滞后和不确定性等特点,这也导致了其建模和自动控制水平的相对落后。为提高污水处理的出水质量、降低污水处理成本、保障污水处理系统的高效平稳运行,进行污水处理过程的智能建模与控制方法研究具有重要的理论和现实意义,并且可为其它非线性、大滞后的复杂系统建模与控制问题提供有益的借鉴。模糊神经网络(FNN)融合了模糊推理的知识表达能力和神经网络的自学习能力,在自适应控制、自适应信号处理、非线性系统辨识和模式识别等许多领域得到了广泛的应用。模糊神经网络的设计包括网络结构辨识和参数辨识。传统的模糊神经网络设计方法往往只进行参数辨识,网络结构根据格栅法划分。鉴于此种设计方法存在的明显缺陷,本文提出了能够根据应用对象对网络结构进行灵活划分的自组织模糊神经网络(SOFNN)。本文在深入分析现有研究成果的基础上,对模糊神经网络的结构自组织算法及其在活性污泥污水处理建模与控制中的应用进行了研究,主要工作如下:1、提出了一种新的模糊神经网络结构自组织算法,通过非线性函数逼近和系统辨识的例子与其它算法进行了比较,仿真结果表明该算法是有效的,且模型结构简单、性能优越。2、在深入分析活性污泥法污水处理机理的基础上,运用该算法建立了污水处理过程的出水水质预测模型,通过仿真证明了该模型是有效的,并且与模糊神经网络建模方法作了比较,该模型表现出良好的性能。3、运用该算法构建了自组织模糊神经网络控制器,对污水处理过程中的溶解氧浓度进行控制,通过仿真证明了该控制器的有效性和良好性能。本文的研究工作对于我国污水处理的智能建模与控制方法研究具有一定借鉴意义。