论文部分内容阅读
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。