基于RBFNN的水處理系統(tǒng)過程建模與控制應(yīng)用研究.pdf

1、水污染是當(dāng)今世界各國面臨的首要問題，通過污水處理解決缺水問題已成為共識。活性污泥法是目前國內(nèi)外用來提高水質(zhì)的一種既經(jīng)濟(jì)又簡便的污水水處理技術(shù)，準(zhǔn)確地控制生化反應(yīng)池中溶解氧(DO)是獲得較好處理效果及經(jīng)濟(jì)效益的前提。但活性污泥生化反應(yīng)過程是一個復(fù)雜的非線性的生化過程，在實際水處理過程中，水質(zhì)水量不斷波動，要實現(xiàn)準(zhǔn)確控制水中的DO非常困難。為了解決這一問題，該文提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)的生化反應(yīng)系統(tǒng)內(nèi)?？刂频脑O(shè)計方法，

2、并結(jié)合大連綠源藥業(yè)公司污水處理系統(tǒng)核心裝置(生化反應(yīng)池)中的DO控制為對象來進(jìn)行研究設(shè)計。 研究主要內(nèi)容： 首先，該文對該污水處理車間做了實際的調(diào)研，對污水處理系統(tǒng)做了分析，并確定了控制對象和策略。為建立水處理系統(tǒng)模型，對神經(jīng)網(wǎng)絡(luò)算法進(jìn)行研究，提出了采用減聚類算法和動態(tài)最近鄰聚類學(xué)習(xí)算法相結(jié)合的新算法，提高徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近能力和運算速度，實現(xiàn)在線調(diào)整網(wǎng)絡(luò)參數(shù)。 然后，結(jié)合生化反應(yīng)過程特點分析，將

3、上述算法的RBFNN成功地應(yīng)用于生化反應(yīng)過程，建立了該系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型。該模型可用于生化反應(yīng)過程狀態(tài)變量的估算和預(yù)測。 最后，該文根據(jù)RBFNN具有參數(shù)線性化的結(jié)構(gòu)特點設(shè)計了基于RBFNN的非線性內(nèi)?？刂破?，將該控制器應(yīng)用到生化反應(yīng)過程，以DO為被控變量，進(jìn)行仿真實驗，并給出了硬件設(shè)計方案。 該文通過對生化反應(yīng)過程溶解氧神經(jīng)網(wǎng)絡(luò)控制方法的研究，探索和嘗試了將神經(jīng)網(wǎng)絡(luò)智能控制技術(shù)引入水處理領(lǐng)域。仿真實驗表明，基于神經(jīng)