论文部分内容阅读
活性污泥法污水处理过程主要通过生物降解等方法实现污染物的去除,具有多变量、非线性、强耦合、大滞后和不确定性等特点,其过程多运行在不稳定状态,过程参数实时测量困难,控制非常困难。因此,研究智能优化控制方法并应用于污水处理工艺中,实现对处理过程的有效控制,不仅能够提高出水水质,而且对节能降耗也具有重要意义。 文中以国际水质协会(IAWQ)提供的基准仿真模型BSM1为平台,研究了污水处理过程的回路控制、神经网络预测控制和基于自适应粒子群算法的优化控制等方法,并通过仿真实验验证了以上控制方法的可行性与有效性。主要研究工作和创新如下: 1、对活性污泥法污水处理生化反应过程进行了详细的分析,深入研究污水处理国际基准仿真模型BSM1,同时基于BSM1模型开发了Matlab环境下的可视化平台,并验证了BSM1模型的可靠性和有效性,该可视化平台能够实现控制策略的性能评价。 2、针对污水处理过程溶解氧浓度、硝态氮浓度和混合液悬浮固体浓度难以同时控制的问题,设计了一种神经网络控制器,采用该控制器实现以上三个变量的回路控制。实验结果显示提出的神经网络控制器具有参数易调节、动态适应性强、鲁棒性好等特点,控制效果优于传统的PID控制器,同时为其他复杂系统的控制提供了一种有效的控制手段。 3、针对污水处理过程较强的时滞特点问题,提出了一种基于神经网络的预测控制策略。该预测控制系统主要包括两部分:神经网络辨识器,用于提取对象的输出数据;神经网络控制器,用于输出控制变量。同时以第五单元的溶解氧浓度和第二单元硝态氮浓度为控制对象进行实验,实验结果表明神经网络预测控制器能够很好地解决污水处理过程的时滞问题,实现污水处理过程溶解氧浓度和硝态氮浓度的精确控制。 4、针对污水处理过程能耗问题,综合考虑污水处理出水水质和生化反应参数之间的关系,设计了一种基于改进自适应粒子群算法的神经网络优化控制系统。首先,利用改进自适应粒子群算法优化BSM1第二分区的硝态氮浓度和第五分区的溶解氧浓度、混合液悬浮固体浓度的设定值;其次,利用神经网络对污水处理过程进行建模,预测污水处理过程出水水质参数的值;最后,基于预测模型的输出,在出水水质达标的前提下对污水处理过程进行控制,从而降低污水处理能耗。 论文围绕污水处理过程的智能优化控制问题,研究了污水处理过程的回路控制、神经网络预测控制和基于改进自适应粒子群的优化控制等方法,实现了污水处理过程的优化控制,取得了较好的控制效果。