基于神经网络的混凝投药控制研究与实现

作为水质净化重要环节的混凝投药是一个非线性系统,目前还很难对其建立准确的数学模型.该文提出了基于改进BP神经网络的解决方法,根据水源参数的具体特征提取特征值并建立相应的神经网络,通过训练,网络具有较强的适应和学习功能,通过仿真和实验达到了很好的混凝投药控制效果,使混凝投药系统的控制迈向智能化.     

混凝投药的神经网络控制方法

基于神经网络的内模控制系统具有很强的自学习性和自适应性 ,对大滞后、非线性系统可实现预测控制 ,较传统控制方式有明显的优势。研究了这一方法在水净化混凝投药自动控制中的应用 ,在分析混凝投药过程特点的基础上 ,选择了影响混凝剂投加量及混凝效果的主要参数 ,建立了预测投药量的神经网络模型 ,确定了混凝投药神经网络内模控制系统的结构 ,并对网络训练样本数据的获得进行了讨论。     

混凝投药为神经网络控制方法

基于神经网络的内模控制系统具有很强的自学习性和自适应性,对大滞后、非线性系统可实现预测控制,较传统控制方式有明显的优势.研究了这一方法在水净化混凝投药自动控制中的应用,在分析混凝投药过程特点的基础上,选择了影响混凝剂投加量及混凝效果的主要参数,建立了预测投药量的神经网络模型,确定了混凝投药神经网络内模控制系统的结构,并对网络训练样本数据的获得进行了讨论.     

混凝投药智能控制系统实现方法的探讨

针对水处理混凝投药过程的工艺特点,介绍了两种人工智能方法对基于多项水质参数的混凝投药系统,提出利用人工神经网络方法实现混凝剂的优化投加控制,对于基于透光率脉动检测值的单因子混凝控制系统,提出利用模糊逻辑推理实现不同水质条件下的透光率脉动混凝投药系统设定值的在线自修正,初步解决了这一技术在常规浊度水应用中存在的问题.     

基于人工神经网络算法的水厂混凝投药控制系统研究与开发

针对自来水生产投药工艺长滞后、非线性、多输入因子、不确定性、时变性、模糊性等特点,采用人工神经网络算法对周围环境自适应和自学习,研究和开发了一套用于水厂混凝投药的自动控制系统。系统以武汉市第一大水厂——宗关水厂为例,研究了Elman神经网络算法对控制系统混凝投药效果的影响,并基于OLE-DB开放性数据访问标准实现对WinCC工控系统样本数据读取和存储的预处理。系统主要包括投药工艺、数据查询、曲线生成、配药查询、报警日志、报警统计、药耗统计、波动评价、报警设置等功能模块,在宗关水厂的成功运行实现了混凝投药工艺生产运行参数的在线监视和全自动化运行。为水厂的安全生产提供了保障,达到了节约药耗、减少人工、降低操作人员劳动强度的目的。     

自来水厂加药凝絮过程的智能控制研究

针对净水工艺中混凝投药控制存在的实际问题,以待滤水浊度为被控对象,提出采用无模型自适应控制技术(MFA)来控制混凝投药过程.该控制系统采用MFA控制器克服了该过程的大时滞、大惯性.并采用前馈-反馈复合控制系统来克服各种扰动,具有较好的稳定性和鲁棒性.广东省佛山沙口水厂中试基地的控制试验研究表明,该解决方案可行,控制效果良好,有较明显的应用价值.     

沙市水厂自动投药装置

沙市东区水厂,自动湿式投加三氯化铁装置于1978年5月正式投产运行,使用效果良好。投药装置系根据原水浊度变化,水量大小,自动调节混凝药剂投加浓度。投药量的控制是按沉淀池投药点前后水质产生的电导率差值来控制的。一、投药装置的基本原理(见图1)将原水引入电导测量杯1,投药后的处理水引入电导测量杯2,在两只电导测量杯里,放入同样性能的铂电极来测定水的电导率。所谓电导率的测定,实际上就是测定液体的电阻,投混凝剂水的电阻小于未加混凝     

聚合铝类混凝剂及混凝条件对余铝的影响试验研究

通过一系列试验 ,分析了聚合铝类混凝剂的性能、投药量及混凝条件等因素对余铝的影响 ,并进一步分析了余浊与余铝的相关性 ,为生产上控制水中余铝提供了参考依据     

给水厂混凝投药实时控制专家系统研究

介绍了基于实时专家系统的混凝投药控制方案,给出它的前馈、反馈控制结构。实践证明,采用该方案不仅能够对水处理的絮凝过程进行有效控制,而且控制系统本身还具有自学习和自适应的能力,能够使控制效果达到最优。     

科右中旗京科发电净水厂设计与运行

在水处理系统中,水处理工艺的选择,它是保证出水水质必不可少的环节之一。而单因子混凝投药自控系统工艺。实现混凝剂的自动投加,提高了混凝处理的效果,经处理后澄清池出水质量明显提高,混凝剂加药量大幅减少,具有良好的经济效益。     

新型淹没式透光率脉动传感器的生产应用

透光率脉动混凝投药控制系统已经在水处理中得到一定的应用 ,尤其在高浊度水处理中获得了较好的经济效益和社会效益 ,但对于常规浊度水 ,原引水式管型传感器存在着一些不完善的方面。以四川泸州某水厂的混凝剂自动投加系统为例 ,介绍一种新型的淹没式传感器在生产中的应用情况。     

气力输送在石灰软化工艺中的调试及运行研究

结合某电厂中水回用工程,将气力输送应用于石灰投加系统,研究石灰、絮凝剂和助凝剂的最佳用量,并考察振荡器和通过高压气体扰动两种辅助下灰方式的效果,探讨该系统在设计和运行中应注意的问题。正交试验结果表明,在满足出水硬度和浊度的条件下,各药剂的最佳用量为石灰350 mg/L、PAM 2 mg/L、氯化铁80 mg/L,搅拌时间15 min。工程调试、运行结果表明,气力输送系统运行稳定,容易实现自动化,机械加速搅拌澄清池出水水质稳定,出水硬度和碱度明显降低,满足设计要求。     

Application of optical monitor to evaluate the coagulation of pulp wastewater

Coagulation/flocculation process is an important part of the solid/liquid separation in a wastewater treatment plant. However, conventional methods to determine coagulant dosage have led to poor results in real-time dosing control for the highly changeable quality of influent. In this study, we employ the photometric dispersion analyzer (PDA) to assess the feasibility of monitoring pulp suspended solids coagulation in pulp wastewater by batch trials. The use of PDA in the batch system to monitor the coagulation of filamentous microorganisms is also included. Batch test results indicate that PDA monitoring is an effective technique to reflect the state of aggregation of filament- and fiber-type solids and, therefore, can provide as a reliable index for determining the optimal dosage. In addition, in our coagulant dosing control system, the monitoring point of PDA should be set at the effluent of the rapid mixing unit. We also assess the feasibility using PDA monitoring in a continuous system simulating the wastewater treatment processes. Results demonstrate that stable PDA output can accurately reflect the changes of influent turbidity and coagulant dosage.     

SSO-BP模型在水资源可再生能力评价中的应用

为评价区域水资源可再生能力,提出了水资源可再生能力评价指标体系和分级标准,构建了基于BP神经网络的评价模型,并以云南省文山州水资源可再生能力评价为例进行实例研究。首先,遴选出单位面积水资源量等10个指标,构建水资源可再生能力评价指标体系和分级标准;其次,针对BP神经网络初始权值和阈值难以确定的不足,利用一种全新的仿生群体智能算法--群居蜘蛛优化（SSO）算法优化BP神经网络初始参数,提出了SSO-BP评价模型,并通过6个高维复杂函数对SSO算法进行验证,且与粒子群优化（PSO）算法进行对比;最后,利用SSO-BP模型对实例进行水资源可再生能力评价。结果表明：① SSO算法具有较好的收敛精度和全局寻优能力,可有效提高BP神经网络模型的预测精度和泛化能力。② 文山州各评价区域2014年水资源可再生能力处于最强与中等之间,符合区域现状。     

水质评价的人工神经网络方法

在分析BP神经网络算法的基础上,针对其某些不足,提出了几点改进措施。在此基础上,以宁夏水质评价为实例,探讨了人工神经网络在水质评价中的应用,并用VB语言编制了水质评价程序。结果表明,采用人工神经网络进行水环境质量评价,运算速度快,评价结果准确,具有广泛的应用前景。     

基于PSO-SVR模型的供水系统余氯预测研究

支持向量机回归(SVR)模型在非线性预测方面具有优良性能,基于该模型对供水系统余氯变化过程进行预测,并采用二阶振荡粒子群优化算法(SOPSO)对SVR模型参数进行优化调整,以提高小样本状态下模型的模拟精度,增强模型的泛化性能。将优化后的SVR模型应用于某供水系统余氯预测,结果表明:在有限样本状态下,优化后的SVR模型的预测平均误差小,明显优于BP神经网络模型和ARX模型,并具有较强的稳健性。该预测模型能较好地解决传统模型在小样本状态下余氯预测精度不高、预测效果较差的问题,为研究供水系统余氯变化过程及动态预测提供了新的途径。     

基于一种改进BP网络算法的水轮机组故障诊断

水轮机组状态监测与故障诊断系统,在水轮发电机组及电力系统中有着举足轻重的地位,提高水轮机组状态监测与故障诊断系统的准确性和及时性,对电力系统的安全运行具有重大意义。作者采用一种改进的BP网络算法,用于水轮机组状态监测与故障诊断系统中,试验表明,此方法改善了传统BP网络容易陷入局部最小点、网络收敛速度慢等不利因素,提高了水轮机组状态监测与故障诊断的准确性。     

基于主成分分析的GA-BP模型在城市需水预测中的应用研究

针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。