论文部分内容阅读
厌氧氨氧化菌生长条件复杂、影响因素多，其工艺系统运行控制复杂，为解决上述问题，研究首先构建1个多级神经网络预测模型，以提高SBBR单级自养脱氮厌氧氨氧化系统出水总氮去除率预测精度，并确定了系统工程应用的关键控制参数；其次通过响应面实验设计更为直观地验证了多级预测模型的分析结论，并探究厌氧氨氧化工艺各影响因素之间的交互作用对总氮去除率的影响；最后基于关键控制参数建立了模糊PID闭环反馈控制系统，为工艺的运行控制提供参考和指导。
主要工作内容及结论如下：
①建立多级预测模型，一级神经网络模型通过灰色关联度分析，对影响出水总氮去除率的关键性指标进行预测；二级神经网络模型基于一级模型增加数据维度，并通过改进粒子群算法优化网络、借鉴遗传算法变异的思想扩大搜索范围，提高了出水总氮去除率的预测精度。多级神经网络模型预测结果表明，其总氮去除率平均相对误差为0.54%，相对误差为5.76%，均方根误差为1.1321，预测数据基本上与实际值相符；与其他预测模型相比较，该模型表现出较优的预测精度。进一步分析发现，通过控制工艺系统的曝气量调节出水亚氮浓度，是保证工艺反应稳定和实现厌氧氨氧化工艺工程应用的有效控制方式。
②建立响应面分析实验，实验拟合得到的回归模型显著，根据方差分析F值大小，进水氨氮、溶解氧、温度对总氮去除率影响顺序的大小为：溶解氧＞温度＞进水氨氮。结果表明溶解氧为厌氧氨氧化工艺运行的关键控制参数。厌氧氨氧化各因素的交互作用对厌氧氨氧化工艺的总氮去除率有一定的影响作用，但分析结果表明并不显著。根据实验建立的模型预测，当进水氨氮177.56mg/L，溶解氧2.00mg/L，温度29.28℃，出水亚氮0.55mg/L时，总氮去除率可得到最佳值96.0382%。
③基于溶解氧建立模糊PID闭环反馈控制模型，SIMULINK仿真结果表明：当溶解氧浓度设定为2.00mg/L时，传统PID控制超调量δ值为55.3%，上升时间tr值为25.17s，调节时间ts值为333.61s；模糊PID控制控制系统超调量δ值为12.2%，上升时间tr值为32.10s，调节时间ts值为250.64s；与传统PID控制相比，模糊PID控制系统上升时间略低，超调量下降43.1%，调节时间减少82.97s。当溶解氧浓度由2.00mg/L调整至1.50mg/L时，传统PID控制调节时间ts值为734.30s；模糊PID控制调节时间ts值为678.06s；与传统PID控制相比，模糊PID控制调节时间减少56.24s，说明模糊PID控制更能应对系统震荡。仿真结果表明应用模糊PID控制可有效提高控制系统性能指标。
主要工作内容及结论如下：
①建立多级预测模型，一级神经网络模型通过灰色关联度分析，对影响出水总氮去除率的关键性指标进行预测；二级神经网络模型基于一级模型增加数据维度，并通过改进粒子群算法优化网络、借鉴遗传算法变异的思想扩大搜索范围，提高了出水总氮去除率的预测精度。多级神经网络模型预测结果表明，其总氮去除率平均相对误差为0.54%，相对误差为5.76%，均方根误差为1.1321，预测数据基本上与实际值相符；与其他预测模型相比较，该模型表现出较优的预测精度。进一步分析发现，通过控制工艺系统的曝气量调节出水亚氮浓度，是保证工艺反应稳定和实现厌氧氨氧化工艺工程应用的有效控制方式。
②建立响应面分析实验，实验拟合得到的回归模型显著，根据方差分析F值大小，进水氨氮、溶解氧、温度对总氮去除率影响顺序的大小为：溶解氧＞温度＞进水氨氮。结果表明溶解氧为厌氧氨氧化工艺运行的关键控制参数。厌氧氨氧化各因素的交互作用对厌氧氨氧化工艺的总氮去除率有一定的影响作用，但分析结果表明并不显著。根据实验建立的模型预测，当进水氨氮177.56mg/L，溶解氧2.00mg/L，温度29.28℃，出水亚氮0.55mg/L时，总氮去除率可得到最佳值96.0382%。
③基于溶解氧建立模糊PID闭环反馈控制模型，SIMULINK仿真结果表明：当溶解氧浓度设定为2.00mg/L时，传统PID控制超调量δ值为55.3%，上升时间tr值为25.17s，调节时间ts值为333.61s；模糊PID控制控制系统超调量δ值为12.2%，上升时间tr值为32.10s，调节时间ts值为250.64s；与传统PID控制相比，模糊PID控制系统上升时间略低，超调量下降43.1%，调节时间减少82.97s。当溶解氧浓度由2.00mg/L调整至1.50mg/L时，传统PID控制调节时间ts值为734.30s；模糊PID控制调节时间ts值为678.06s；与传统PID控制相比，模糊PID控制调节时间减少56.24s，说明模糊PID控制更能应对系统震荡。仿真结果表明应用模糊PID控制可有效提高控制系统性能指标。