论文部分内容阅读
污水处理过程机理复杂,具有高度非线性、强耦合、大时滞等特点。为保证污水处理系统运行工况良好,实现在线控制,必须实时获得污水处理过程中重要的水质参数。实践表明,采用基于人工神经网络的软测量方法是解决不易在线测量的水质参数的有效途径。
人工神经网络借鉴了生物神经结构的特点及神经元的机理,具有自组织、自学习和自适应的特点,适合复杂系统建模,其研究已渗透到了社会各个领域。
多层前馈神经网络是目前应用最广泛的神经网络之一,本文针对前馈神经网络隐含层神经元不能在线调整的问题,提出一种神经网络自适应增长一修剪算法(AGP),并针对AGP算法的不足,对其进行改进,得到一种动态结构增长一修剪算法(DSCP),并将其应用于污水处理出水BOD软测量中,取得了良好的效果。论文的主要工作如下:
(1)在三层前馈神经网络的基础上,提出一种自适应增长-修剪算法(AGP),针对AGP算法在训练步数上的不足,对其进行改进,得到一种动态结构增长-修剪算法(DSCP),该算法能动态地调整隐含层神经元个数,并且自适应修正增长-修剪时间间隔。对非线性函数进行拟合实验证明,利用该算法能够得到紧凑的神经网络结构及较小的拟合误差。
(2)利用DSCP算法对神经网络结构自适应设计,并将其应用于污水处理出水BOD软测量中,获得了一种DSCP神经网络BOD软测量模型。仿真实验结果表明,DSCP神经网络(DSCP-NN)比传统的自组织神经网络具有更高的拟合精度以及更稳定的网络结构。
(3)在LabVIEW环境下,开发了一种污水处理水质参数预测系统软件。解决了LabVIEW与数据库通信的问题,通过动态链接库文件实现了LabVIEW与MATLAB污水处理水质参数软测量模型的集成。该软件提供了友好的人机交互界面,具有数据录入、数据查询及出水水质预测、预警的功能。