论文部分内容阅读
城市污水处理过程具有大时变、强耦合、大时滞以及干扰严重等特点;同时,污水处理过程生化反应复杂,运行过程中涉及到变量众多,导致处理过程的控制难度非常大。由于我国污水处理起步较晚,相对比较落后,污水处理过程控制水平较低,导致出水水质质量及精度难以保证。因此,研究污水处理过程的控制方法对未来污水处理行业有着至关重要的影响和价值。1、论文研究了活性污泥1号模型(Activated Sludge Model No.1,ASM1)的组分、反应过程、化学计量系数和动力学参数之间的关系以及活性污泥法的特性。研究了污水处理过程基准仿真平台(Benchmark Simulation Model No.1,BSM1)关键参数以及生化反应池、二沉池的结构及工作特点,并通过MATLAB实验仿真,成功建立仿真模型。2、针对传统PID控制方法在污水处理过程中控制精度差,参数难以在线调整的问题,提出并设计了一种基于自适应控制策略的PID溶解氧控制方法。利用神经网络的非线性映射能力和学习能力,对PID参数进行在线的自适应调整。通过学习算法对网络进行训练,确保了PID控制参数在线调整的实时性和稳定性。仿真实验表明,这种基于自适应控制策略的PID控制具有较好的控制效果。3、针对传统控制方法在污水处理非线性系统中对多变量控制精度低且难度大的问题,提出并设计了一种将Takagi-Sugeno(T-S)模糊与神经网络相结合的控制方法。一方面,在神经网络的基础上通过模糊知识的表达对多变量进行控制;另一方面,通过误差逆向传播算法对模糊规则进行学习调整;同时,采用自适应学习率的方式加快网络的收敛速度,提高控制性能。通过仿真实验表明了这种控制方法能够较好的对溶解氧和硝态氮进行跟踪控制,且精度和稳定性较好,具有较优的控制性能。4、针对污水处理过程干扰严重的特点,提出并设计了一种基于聚类的自组织T-S模糊神经网络控制器。控制器在初始模糊规则为零的情况下,通过自组织规则对当前时刻的知识进行学习和记忆,并根据环境的变化智能地调整控制器结构,从而灵活地应对环境的不同变化,精简了网络结构。采用误差逆向传播算法对模糊规则进行调整和学习,提高了网络性能。通过实验仿真验证了不同环境状况下,这种控制器能够灵活快速地根据环境的变化自组织地对控制器结构进行调整,保证了溶解氧和硝态氮浓度的控制效果。