基于递归RBF神经网络的MBR膜透水率软测量

针对膜生物反应器(membrane bio-reactor,MBR)污水处理过程中膜透水率难以测量的问题,提出一种基于递归径向基神经网络(recurrent radial basis function neural network,RRBFNN)的软测量方法.首先,基于污水处理过程中的实际运行数据,应用偏最小二乘法(partial least squares,PLS)筛选出与膜透水率相关的过程变量;其次,基于RRBFNN建立膜透水率的软测量模型,利用快速梯度下降算法对RRBFNN的参数进行调整,保证了软测量模型的精度;最后,将设计的膜透水率软测量模型应用于实际污水处理过程中,使用污水处理厂实测数据对模型进行验证.验证结果表明,该软测量模型能够实现膜透水率的准确预测,具有较好的预测精度.     

基于径向基函数神经网络的精馏塔优化控制

精馏塔是化工过程中最常用的操作单元 ,其具有很强的非线性和时变性 ,很难进行机理建模分析或常规在线实时控制。针对精馏塔的非线性和时变性等特点提出了一种基于径向基函数神经网络的软测量模型的优化控制策略 ,从而解决了精馏塔建模困难的问题。由于采用了径向基函数网络 ,并利用正交化最小方差学习算法来训练径向基函数神经网络 ,使得控制算法简捷可靠 ,适用于时变对象 ,并具有很强的鲁棒性。将软测量结果与现场数据比较 ,表明本模型具有比较准确的跟踪显示效果 ,最后将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中 ,并达到了满意的控制效果。     

非线性部分最小二乘方法的研究与应用

该文将部分最小二乘算法与径向基函数神经网络相结合,给出了一种非线性部分最小二乘建模方法,可以更加有效地处理过程非线性和数据共线性等复杂特性,提高模型的精度和推广能力。该方法在确定径向基函数神经网络的隐节点时,采用了一种改进型的k-均值聚类算法来自动确定最优的聚类区数。对煤气化炉合成气组分浓度软测量建模的应用结果表明,采用该方法建立的软测量模型在模型精度和推广能力等方面明显优于二次型多项式部分最小二乘方法建立的模型,并且计算精度满足工业生产的实际要求。     

基于PLS的污水BOD软测量补偿方法

在深入研究基于劳仑斯-麦卡蒂公式的生化需氧量(BOD)软测量二阶机理模型基础上,采用偏最小二乘法(partial least-squares,PLS)对BOD软测量机理模型进行非线性补偿,推导出污水处理出水水质的多参量软测量模型.仿真实验结果表明,基于PLS的非线性补偿方法使BOD软测量机理模型精度得到明显提高,为污水处理过程出水水质BOD精确测量提供一种有效方法,为污水处理过程参数实时控制创造了条件.     

基于混和网络软测量模型的菌体浓度检测

针对发酵系统中某些重要参数难于在线检测的问题,阐述了基于混和神经网络建立软测量模型的技术,并将其应用到酵母发酵过程的菌体浓度测量中,试验结果表明,混和神经网络建模比单一黑箱神经网络建模具有更好的效果.     

基于径向基函数网络的船舶非线性参数模型建模

船舶在航行中受到各种随机扰动,为了实时控制船舶运动姿态,需建立一个基于航速、海情和航向角实时变化的三维智能化运动模型.文中以某水面舰艇为研究对象,利用典型航速、航向角、海情下水池实验测量的数据算得水动力参数,基于径向基函数神经网络(RBF)算法,逼近三维空间各水动力参数的非线性函数,从而得到随航速、海情和航向角自适应变化的船舶运动非线性参数模型.仿真结果表明,径向基函数神经网络学习算法可以快速、精确地建立非线性参数模型.所建模型误差小于2%,该模型可用于船舶控制,使LQG减横摇控制效果提高41.6%.     

一种基于ACO的RBF神经网络训练方法

针对k平均聚类径向基(Radial Basis Function简称RBF)网络算法的聚类结果易受初始参数选取的影响,并常收敛于局部极小值的问题,提出一种将蚁群优化算法用于径向基神经网络训练过程,优化径向基函数的中心点,建立相应优化模型的算法.实验结果表明,该算法精确度高于k平均聚类径向基神经网络算法,且函数的拟合程度也得到了改善.     

基于自组织随机权神经网络的BOD软测量

针对污水处理复杂系统中关键水质参数生化需氧量( biochemical oxygen demand,BOD)难以准确实时预测的问题,在分析污水处理过程相关影响因素的基础上,提出一种基于敏感度分析法的自组织随机权神经网络( self-organizing neural network with random weights,SONNRW)软测量方法。该方法首先通过机理分析选取原始辅助变量,经过数据预处理,之后采用主元分析法对辅助变量进行精选,作为SONNRW的输入变量进行污水处理关键水质参数BOD的预测。 SONNRW算法利用隐含层节点输出及其权值向量计算该隐含层节点对于残差的敏感度,根据敏感度大小对网络隐含层节点进行排序,删除敏感度较低的隐含层节点即冗余点。仿真结果表明：该软测量方法对水质参数BOD的预测精度高、实时性好、模型结构稳定,能够用于污水水质的在线预测。     

基于LS-SVM苯乳酸发酵过程的建模

为了解决苯乳酸发酵过程中关键生物参数难以直接在线检测的问题,提出了基于最小二乘支持向量机（LS-SVM）的软测量建模方法. 通过使用径向基核函数来对菌体浓度、苯乳酸浓度建立模型,对建模的理论进行了分析和并进行了仿真研究,同时还采用支持向量机对过程进行了建模,对两种方法的优缺点进行了比较. 结果表明,基于LS-SVM的建模方法预测精度高、跟踪性能好,能提高在线预估的效率,非常适合于苯乳酸发酵过程的在线预估.     

基于神经网络的打浆度软测量技术研究

针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进行打浆度测量，用BP算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．     

微生物燃料电池测定生活污水BOD方法

为缩短生化需氧量(BOD)检测时间,研究了一种基于空气阴极微生物燃料电池技术快速测定生活污水中BOD的方法.利用葡萄糖作为单一底物,研究电池电压输出和葡萄糖质量浓度的关系,发现二者遵循Monod方程式.在葡萄糖质量浓度小于100mg/L时,电压输出和葡萄糖质量浓度呈现良好的线性关系.利用空气生物燃料电池测定污水处理厂曝气沉砂池、初沉池和曝气池出水的BOD仅需10h,有效缩短了BOD的检测时间。     

基于改进粒子群优化LSSVM的污水COD软测量建模

针对在污水处理过程中水质参数(如出水化学需氧量(COD),pH值)变化过程的高度时变性、非线性和复杂性等特点,提出一种基于改进粒子群优化最小二乘支持向量机(IPSO-LSSVM)的软测量模型。该模型将小样本机器学习——最小二乘支持向量机(LSSVM)引入工业污水处理过程水质参数预测,网络训练过程中采用粒子群优化算法,使得该算法能够自适应获取最优超参数,形成IPSO-LSSVM算法,对工业污水处理出水COD参数进行回归预测。实验结果表明:与LSSVM和PSO-LSSVM模型相比,IPSO-LSSVM模型预测结果的均方根误差分别降低了40.9%和30.5%;相关系数分别提高了13.0%和6.6%。这表明IPSO-LSSVM模型在预测精度、收敛速度和抗干扰能力等方面明显优于LSSVM和PSO-LSSVM模型。     

河北省康保县排水工程设计

该设计是河北康保县的排水工程设计,设计主要分排水管网和污水处理两部分.排水管网采用分流制,分污水管网和雨水管网两部分.污水处理厂的设计以远期（2020年）的最大污水量（Q=10000 m^3/d）为设计标准,污水处理厂的排水水质达到二级排放标准,即SS、BOD5排放浓度分别为：30 mg/L、30 mg/L.     

变量选择在废水处理过程软测量建模中的应用

化学需氧量与悬浮固形物含量是造纸工业废水排放中需要重点监测的指标,建立有效的废水出水水质预测模型是优化控制废水中污染物排放量的有效方法。由于实际工业废水处理过程的复杂性,可测变量之间存在强相关性,利用偏最小二乘法提取变量的投影重要性信息进行变量选择,将选择后的最优变量子集作为软测量模型的输入,建立出水水质的最优预测模型。以最小二乘支持向量机模型为例,基于变量选择的最小二乘支持向量机模型对出水化学需氧量进行预测时均方根误差降低了15.2%,相关系数提高了14.4%;对于出水悬浮固形物模型,均方根误差降低了20.5%,相关系数提高了16.1%。结果表明在建模时进行变量选择可以降低模型的复杂度和提高模型的泛化能力。     

神经网络和主元分析—神经网络软测量技术 在污水处理系统中的应用

为了实现对污水处理系统参数与性能的有效预测和处理系统的在线实时控制,在介绍神经网络和主元分 析神经网络软测量技术的基础上,分析了神经网络在国内外污水处理领域的研究现状和存在的问题,探讨了神 经网络软测量技术在污水处理系统的发展方向。结果表明,基于神经网络的软测量技术能够很好地进行数据分 析与模拟仿真,这种软测量技术在污水处理系统中的应用可以通过优化神经网络结构、结合其他数据处理方法、 全面预测污水处理系统重要参数、收集与生物处理过程密切相关的参数以及加强对污水生物处理数学模型的研 究等方式得到不断改进和完善。     

印染废水的水解酸化—好氧处理工艺研究

在传统的水解酸化-好氧处理工艺设备的基础上,应用高效耐碱混合菌和填充式大流量脉冲进水技术,同时提高高碱度印染废水可生化性,能有效地去除废水中的有机污染物。使BOD5/CODCr值由0.21提高到0.30,对进水pH适应范围变宽,CODCr去除率达到85.7%,BOD5去除率达到80.6%,且出水水质稳定。     

某污水处理厂污水深度处理回用设计研究

介绍了用氧化沟加反应沉淀工艺 ,成功处理某生活、科研混合废水的工艺 ,其主要指标 CODcr、BOD5去除率分别为 96.2 7%、97.60 % ,出水 CODcr为 4.1 5～ 1 2 .8mg/l,BOD5为 2 .1～ 3 .0 6mg/l,到地面水 级标准 ,保护了饮用水水源 ,实现了污水回用。     

一种无线传感器网络中的信息驱动节点选择机制

提出了一种信息驱动的节点选择机制,应用于无线传感器网络中的目标估值。其方法是,以传感器节点的测量值与目标状态的估计分布之间的互信息作为信息效用函数,度量节点的测量值对目标状态估计的信息贡献,选择信息贡献值大的节点参与卡尔曼滤波过程进行迭代;应用基于地理位置信息的路由算法顺序访问选中的节点,并建立与Sink节点之间的路由,路径上的节点依次进行卡尔曼迭代以修正估计的状态值。仿真结果表明,该机制涉及的节点数目较少,总的通信距离较短,但目标估值的性能很好。     

薯片食品加工废水处理工艺研究

薯片加工废水是高浓度的有机废水,为考察厌氧-好氧组合技术处理薯片加工废水的可行性,根据废水的水质特点,通过采用水解-填料曝气处理工艺进行了处理该废水的试验研究。试验运行结果表明,该组合工艺的处理效果良好,废水经水解处理,COD去除率为49.0%,BOD5去除率为35.1%,SS去除率为85%,经好氧处理,COD去除率为89.0%,BOD5去除率为94.0%,SS去除率为77.6%,系统总COD去除率94.6%,BOD5去除率为96.1%,SS去除率为97%,出水符合排放标准。