基于PLSR自适应深度信念网络的出水总磷预测

针对污水处理过程出水总磷预测问题存在的强非线性、大时变等特征,提出了一种基于偏最小二乘回归自适应深度信念网络（partial least square regression adaptive deep belief network,PLSR-ADBN）的出水总磷预测方法。PLSR-ADBN是基于深度学习模型DBN的一种改进型建模方法。首先,将自适应学习率引入到DBN的无监督预训练（pre-training）阶段,来提高网络收敛速度。其次,利用PLSR方法取代传统DBN中基于梯度的逐层权值精调（fine-tuning）方法,来提高网络预测精度。同时,通过构造李雅普诺夫函数证明了PLSR-ADBN学习过程的收敛性。最后,将PLSR-ADBN用于实际污水处理过程出水总磷预测中。实验结果表明所提出的PLSR-ADBN收敛速度快且预测精度高,能够满足实际污水处理过程对出水总磷监测精度和运行效率的要求。     

基于改进集合经验模态分解和深度信念网络的出水总磷预测

出水总磷的准确预测对于城市污水处理厂的高效、稳定的运行至关重要。文中针对城市污水处理过程中出水总磷难以预测的问题,提出一种基于改进集合经验模态分解（modified ensemble empirical mode decomposition, MEEMD）和深度信念网络（deep belief network, DBN）的出水总磷预测方法。首先,设计一种MEEMD算法对城市污水处理过程出水总磷数据信号进行分解,获取多个本征模态函数（intrinsic mode function, IMF）组合;然后,建立一种基于模拟退火（simulated annealing, SA）算法的深度信念网络预测模型,通过优化的模型结构对分解后得到的每个IMF分量进行有效预测;最后,通过大气CO₂浓度预测和城市污水处理出水总磷预测验证了所提出方法的有效性。     

基于深度信念网络的变压器故障诊断

提高变压器故障诊断精度的关键是构建具有强大数据处理能力和故障特征提取能力的诊断模型,而深度信念网络(Deep Belief Networks,DBNs)能够突显样本数据的特征性。本项目整个深度网络使用自适应算法进行优化,实现学习速率的自适应变化,并对变压器油色谱中的监测数据进行深入分析,实现对故障情况的迅速准确判断。     

基于测井资料的空气钻井预测地层出水

空气钻井技术在钻速提高、地层恶性漏失的解决和储层的保护等方面拥有不可比拟的技术优势,但是地层出水严重地影响了空气钻井,当地层出水后水会将岩屑粘结在一起,在钻杆上形成泥包,引起井眼缩小、循环阻力增大,严重时发生卡钻、井眼坍塌等复杂情况。因此,钻前准确地预测地层出水很有必要性。本文基于油田现场测井资料,综合深浅双侧向测井法(差值法和比值法)和孔隙度重叠法(声波-密度-中子)形成一套准确预测地层出水方法。南川、彭水区块应用该技术显示,预测的结果和现场实际情况基本一致。     

基于机器学习算法的印染废水出水COD预测

印染废水具有成分复杂、水量大、处理大滞后等特点。化学需氧量(COD)是衡量污水处理效果的核心指标,本文采用了最小二乘法、支持向量机等机器学习算法建立模型对印染废水处理出水COD进行预测,平均误差为1.9mg/L,提供了一种有效预测出水COD的方法,为印染废水处理优化运行提供支撑。     

污水厂二级出水的深度处理中试研究

为使沈阳北部污水处理厂二级生化处理出水达到回用水水质,在中试规模(1 m3/h)下采用污泥回流高效絮凝+过滤工艺对其进行了深度处理。试验结果表明,经该工艺处理后,色度、浊度、CODCr、总磷平均去除率分别达到43%、90.6%、65.6%、86.3%,出水色度为19.7度,浊度为0.6 NTU,CODCr为25.3 mg/L,总磷为0.6 mg/L,出水色度、浊度、CODCr、总磷达到《城市污水再生利用工业用水水质》(GB/T 19923—2005)的要求。但系统对氨氮的去除率仅为19.7%,有待进一步提高。     

高锰酸钾深度处理生物制药生化出水的研究

以生物制药生化出水为研究对象,研究了高锰酸钾对此类废水的处理效果。同时考察了高锰酸钾投加量、水样pH值、反应温度、反应时间等因素的影响。结果表明,高锰酸钾对该类废水有较好的去除效果。在最佳条件下COD去除率大于82%,色度全部去除。为该类水的处理提供了试验依据。     

城市污水厂二级出水的深度处理及其回用

邯郸热电厂的生产用水，一直以流经邯郸市的滏阳河水为水源，由于近几年滏阳河水污染日益严重．河水含盐量、COD、BOD及氨氮等主要水质指标大幅升高，使循环冷却水pH值下降，造成系统内碳钢、水泥构件的严重腐蚀，同时带来除盐成本升高、树脂污染及锅炉水pH值下降等一系列问题，给系统的安全经济运行带来严重威胁。为了从根本上解决安全生产中存在的这些隐患，对邯郸市东污水处理厂的二级出水进行回用试验．经适当深度处理后，分别用作邯郸热电厂的锅炉补充水和循环冷却水，为二级出水的回用提供了有益的尝试。     

石化污水生化出水深度净化回用的可行性

石化污水生化处理出水,用人工土层快速渗滤土地处理法进行深度净化,对其净化作用,效果进行了研究。实验结果表明：人工土层土地处理法对石化污水的深度净化效果明显,再生水水质达到预期目标,回用于循环冷却水系统补水具有显著环境和经济效益。     

基于深度残差网络的塑料齿轮玩具网络模型

为提升塑料齿轮玩具工艺参数缺陷预测性能,应用深度学习卷积神经网络技术,提出2个基于深度残差网络的塑料齿轮玩具网络模型,称为模型1、模型2。经仿真分析可知:当批次样本量为8、训练代数为1 000时,模型2对体积收缩率、翘曲量的预测误差百分比分别为0.009 7%、0.010 2%,优于模型1;模型2对塑料齿轮玩具工艺参数体积收缩率、翘曲量预测精确率分别为92.146 8%、90.288 4%。说明模型2应用深度残差网络可提取多样化、抽象的语义特征,具备较小的预测误差百分比、较高的预测可信度和较高的预测效率。研究结果可为当前塑料齿轮玩具工艺参数预测工作提供一定的参考。     

改进型T-S模糊神经网络的出水氨氮预测

由于污水在复杂的处理过程中无法进行出水氨氮(NH4-N)值的实时检测,提出一种改进型T-S模糊神经网络(TSFNN)的算法来对出水NH4-N进行有效预测.利用主元分析法和统计产品与服务解决方案(SPSS)软件对出水NH4-N浓度的关键影响因子进行筛选,选择主要特征变量作为输入.针对TSFNN结构,采用模糊C-均值聚...     

基于MATLAB的自适应预测函数控制计算机辅助设计

开发一套基于MATALAB的自适应预测函数控制（APFC）计算机辅助设计软件包,在介绍了APFC原理基础上,从APFC算法模块库,APFC控制与常规PFC控制鲁棒性的比较研究等几个方面介绍了APFC软件包的功能及实现方法,该软件包的开发,为研究APFC算法提供了一条有效的途径。     

基于深度学习的肌电信号预测的研究

肌电图分析是解释人体运动意图的有效手段.一些研究已经成功地利用肌电信号识别固定姿势,并将其应用于假肢的操作.本文计划研究进一步辨识肌电的连续动态运动,以建构能接受更精细运动指令,使截肢者也可以像普通人一样使用假体来进行平滑的运动.本研究的目的是在前臂连续运动的执行过程中,找出肌电信号与手臂运动的关系,并利用肌电信号实时...     

基于在线子空间辨识的自适应预测控制

针对实际工业工程中存在非线性、时变的特点,提出一种基于子空间辨识的自适应预测控制方法。利用滚动窗口在线更新R阵,得到新的预测模型参数矩阵,通过比较更新前和更新后的预测误差来决定是否更新预测模型。将此控制方法应用于2-CSTR过程控制的仿真试验,通过与自适应模糊控制、PID控制器的比较,说明了该方法的优越性。     

基于稳态模型的自适应预测控制策略及其应用

针对丙烯精馏塔,结合模型预测控制器的设计,提出基于系统稳态模型的自适应模型预测控制策略,利用稳态模型在不同操作点上被控变量对操纵变量及扰动变量的相对变化率的变化,来刷新调整预测模型各通道的增益,以有效提高对丙烯塔塔顶、塔底温度控制的性能.现场应用表明:采用该模型自适应调整方法,其控制温度的波动性降低了一个数量级,有利于产品质量的稳定.     

高效絮凝工艺深度处理污水厂出水的中试研究

为了使沈阳北部污水厂二级出水达到回用水质,在中试条件下采用污泥回流高效絮凝工艺对其进行深度处理。实验中优化了高效絮凝工艺中的反应强度(G值)、污泥回流比、混凝剂和助凝剂的投药量等工艺运行参数;并考察各种运行条件下的处理效果。实验结果表明,采用污泥回流高效絮凝工艺处理沈阳北部污水厂二级出水效果良好,出水COD≤30 mg/L、浊度≤0.9 NTU、色度≤29度、ρ(TP)≤1 mg/L、ρ(NH3-N)≤10 mg/L,均达到了回用标准。中试条件下的最佳运行参数:污泥回流量在低温低浊工况下为40 L/h,在常温常浊工况下为30 L/h;G值为18.9 s-1;PAC投加量30 mg/L;助凝剂阳离子PAM RT 2300投加量0.45 mg/L。     

MABR处理二级出水深度脱氮的中试研究

为有效控制二级出水总氮(TN)浓度,以增强型聚偏氟乙烯(PVDF)中空纤维帘式膜为膜曝气生物膜反应器(MABR)的膜组件,对低碳氮比二级出水深度脱氮的可行性与稳定性进行了研究。中试实验以NO_3~--N为氮源连续进水,通过控制进水溶解氧(DO)、曝气强度以及水力停留时间(HRT),得到了适宜的运行参数。结果表明,曝气压力为0.01 MPa,膜面曝气流速为0.005 cm/min,HRT为8 h时,出水水质稳定,出水TOC为4 mg/L左右(COD为10mg/L),TN稳定在15 mg/L以下,达到《水污染物综合排放标准》(DB 11/307—2013B)要求,处理量为34.5 L/(m~2·d)。     

三维电极深度处理渗滤液混凝出水的定性研究

以Ti/PbO_2为阳极、不锈钢板为阴极、颗粒活性炭为填料,利用填充床电极反应器对混凝沉淀后的垃圾渗滤液进行深度处理。考察了反应器对渗滤液中有机物的降解和可生化性的改善,明确了在电解氧化渗滤液过程中氮的去除和形态转化,并对二维和三维电化学反应器处理渗滤液的脱氮效果进行了比较。在ORP/pH表征间接氧化的基础上,通过操作条件的优化和运行参数的调控达到了强化间接氧化的目的。最终提出了混凝+电化学+生化处理的工艺路线,为电化学技术在实际渗滤液处理过程中的应用提供了重要的工艺设计参考。     

基于深度Inception网络的包装袋检测模型

基于深度Inception网络的包装袋检测模型,设计3个Inception模块,称为Inception1、Inception2和Inception3;设计多个方案开展检测性能研究工作。经仿真分析,方案七包装袋检测模型拥有8个网络层,在第1～3个、第7个网络层应用卷积核尺寸为3×3的标准卷积,在第4～6个网络层依次应用Inception1、Inception2和Inception3模块,获得最佳的检测准确率0.768 4。说明较前网络层的Inception1模块可捕获细致的塑料包装袋纹理特征;Inception2模块应用多尺寸卷积核和平均池化可捕获多样化纹理特征;较末端网络层的Inception3模块可对高度抽象特征进行特征变换和提取。方案七模型检测准确率高于传统HOG模型约12%。     

基于深度残差网络的化工过程故障诊断

本工作提出了一种基于深度残差网络(DRN)的化工过程故障诊断方法,可从大量化工过程运行数据中自动提取故障特征。模型采用快捷连接缓解传统深度神经网络训练困难的问题,且使用批归一化(BN)方法,可有效缓解梯度消失/爆炸的问题。以田纳西?伊斯曼(TE)过程为实验对象对所提方法进行诊断性能评价实验,并与以往的基于传统深度学习模型的TE过程故障诊断方法进行对比,进一步探究了模型层数、BN技术和残差结构对故障诊断率的影响,最后,通过t分布随机邻域嵌入(t-SNE)方法对网络部分层的输出进行可视化。结果表明,模型对21种工况取得了94%的平均故障诊断率和0.30%的平均假阳率,表现出更加卓越的诊断性能。输出层的二维散点图显示了清晰的聚类,表明所提出的DRN模型能够对故障进行准确诊断。