基于Hopfield 神经网络的污水处理过程优化控制

针对前置反硝化污水处理过程的优化控制问题,提出一种基于拉格朗日乘子法的Hofield神经网络优化方法.构造了污水处理过程约束优化问题的数学表达式,通过Hopfield神经网络优化计算生化池第5分区溶解氧浓度和第2分区硝态氮浓度的设定值,并采用PID控制器实现底层的跟踪控制.基于国际标准的Benchmark基准仿真平台进行仿真实验,结果表明污水处理系统在出水关键水质达标的基础上,能够显著降低能耗.     

基于NLJ算法的污水处理过程优化控制

针对国际污水处理基准仿真1号(BSM1)模型,对第五池中氨氮浓度采用串级控制,对第二池中硝态氮浓度采用单回路控制。利用神经网络建立氨氮浓度和硝态氮浓度的设定值与能耗的神经网络模型。同样,利用神经网络建立氨氮浓度和硝态氮浓度的设定值与出水水质合格率的神经网络约束模型。优化问题的目标函数和约束条件均通过神经网络建立,并利用变搜索系数(NLJ)算法求解该优化问题。将最优解分别作为氨氮和硝态氮控制器的设定值。仿真结果表明在关键水质达标的基础上,降低了能耗。     

数据和知识驱动的城市污水处理过程多目标优化控制

城市污水处理过程优化控制是降低能耗的有效手段, 然而, 如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战. 围绕上述挑战, 文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven multiobjective optimal control, DK-MOC)方法. 首先, 建立了出水水质、能耗以及系统运行状态的表达关系, 获得了运行过程优化目标模型. 其次, 提出了一种基于知识迁徙学习的动态多目标粒子群优化算法, 实现了控制变量优化设定值的自适应求解. 最后, 将提出的DK-MOC应用于城市污水处理过程基准仿真模型1 (Benchmark simulation model No. 1, BSM1). 结果表明该方法能够实时获取控制变量的优化设定值, 提高了出水水质, 并且有效降低了运行能耗.     

污水处理决策优化控制

以抑制出水氨氮浓度、总氮浓度峰值和降低能耗为目标,提出污水处理决策优化控制方法.首先利用神经网络建立出水氨氮和总氮预测模型;其次使用多目标进化算法得到溶解氧浓度和硝态氮浓度设定值;最后,根据出水氨氮和总氮浓度预测结果选择控制策略（优化控制和抑制控制）.以仿真基准模型（BSM1）为平台,采用提出的决策优化控制方法进行控制,实验结果表明,该控制方法有效抑制了出水氨氮和总氮浓度峰值,出水超标时间和能耗明显少于所对比决策控制方法.     

基于改进粒子群优化算法的污水处理过程优化控制

针对前置反硝化工艺污水处理过程,提出了一种基于分工策略粒子群优化算法的优化控制方案.以国际水协会(IWA)开发的基准仿真模型BSM1为基础,综合考虑出水水质、曝气能耗和泵送能耗,通过动态优化底层PI控制器的最佳设定值达到出水水质高、能量消耗少的目的.基于分工策略的粒子群算法具有更强的全局寻优能力,仿真结果表明了该优化方案能够在保证污水水质达标的情况下,有效减少污水处理过程的能耗.     

基于ESN的污水处理过程优化控制

针对污水处理过程能耗过高的问题,提出了一种基于状态回声网络(ESN)的在线优化控制方法。建立了污水处理过程预测模型,实现性能指标的预测;根据系统的状态以及预测的性能指标,采用ESN实时优化控制变量的设定值;将优化后的设定值传送给底层控制器进行跟踪控制。将ESN优化控制方法在污水处理过程基准仿真模型(BSM1)上进行了验证,实验结果表明,该方法不但能够满足出水水质的要求,而且降低了污水处理过程运行成本。     

基于知识的污水生化处理过程智能优化方法

针对污水处理过程控制能耗过大和水质超标严重等问题,本文提出一种基于知识的污水生化处理过程智能优化控制方法.该方法通过记忆多目标智能优化算法的动态处理信息,建立环境变量参数与最优解之间的知识模型.优化算法利用知识库中非支配解的引导,结合定向局部区域寻优以及随机全局寻优策略,提高了算法的收敛性,获取了更高质量的解.最后基于国际通用平台BSM1进行实验验证.结果表明,与其他优化算法相比,该方法能够在保证出水水质的前提下产生更少的能量消耗.     

基于免疫粒子群神经网络的污水水质预测

针对污水处理过程所具有的多变量、非线性和大时滞的特点, 利用出水水质参数与多个可测过程参数间的相关关系,给出了基于RBF神经网络的出水水质参数预测模型.采用免疫粒子群优化算法来训练网络的隐层节点、径向基函数的中心点和网络权值.以反应时间、DO浓度、ORP和pH值作为输入参数,实现对COD,NH3-N,TP等水质参数的预测.仿真试验表明,该预测模型对污水处理出水水质参数COD,NH3-N,TP具有理想的预测效果.     

污水处理过程多变量优化控制方法研究

为了解决污水处理过程的优化控制问题,提高出水水质达标率和降低能耗,提出了一种污水处理多变量优化控制方法.首先,通过分析污水处理过程参数与可控变量溶解氧与硝态氮的关系,建立能耗和出水水质模型;其次,提出一种动态惯性权重的多目标粒子群优化算法,该算法平衡了寻优过程中的局部搜索和全局搜索能力,同时提高了算法的收敛速度,获得最...     

基于复合抗扰的溶解氧浓度控制

污水处理中, 出水水质受进水流量、组分以及浓度波动等因素影响. 要保证处理效果, 溶解氧浓度控制应有 较强的鲁棒性. 简单闭环控制的能耗及出水水质波动大. 为此, 本文以污水处理过程1号基准仿真模型模拟污水生 化处理过程, 提出基于扩张状态观测器和滑模控制的复合抗扰控制方法, 以降低对模型信息的依赖, 保证溶解氧浓 度控制效果. 数值仿真结果显示, 复合抗扰控制能够以较小的能耗获得期望的调控效果. 这表明, 复合抗扰控制具有 很好的适应性, 能够满足调控要求, 是一种具有较强实用性的污水处理溶解氧浓度控制方法.