污水处理智能优化控制方法研究

针对污水处理过程的特点,在保证出水质量和节能前提下,建立获取控制参数溶解氧(DO)的优化模型;在此基础上,为有效跟踪控制DO,克服由于干扰等不确定因素对DO控制的影响,建立了基于自适应模糊神经网络(ANFIS)的DO跟踪控制模型,可自适应地调节模糊推理规则,为实时DO优化控制提供依据。通过实验测试验证了该方法可满足污水处理的精度及要求。     

基于PSO-DE算法的污水处理优化控制研究

针对目前污水处理系统能耗过大,处理效果差等问题,提出了基于改进型粒子群算法的优化控制;采用粒子群差分进化算法(PSO-DE)可以提高粒子全局搜索能力与收敛速度,克服粒子早熟现象;在实际应用中建立以溶解氧浓度(DO)与污泥排放量(Qw)为变量,以能耗与出水水质为约束条件的数学模型,通过算法全局寻优求解,验证结果表明该算法能保证出水水质前提下降低污水处理能耗。     

溶解氧模糊控制器的FPGA设计与实现

为提高溶解氧浓度(DO)自动控制的实时性与稳定性,根据污水处理过程中溶解氧浓度控制和模糊控制的相关原理,设计并实现了基于FPGA的溶解氧模糊控制器.该设计基于QuartusII9.1开发平台,结合FPGA实时性强和稳定性高的特点,使用VHDL语言,运用查表法的思想,并利用Matlab模糊控制工具箱计算出溶解氧模糊控制表.仿真结果表明,该模糊控制器能够实现对溶解氧浓度的实时控制.     

污水处理实验系统中溶解氧模糊控制器的设计

本文在分析了污水处理的生物氧化过程中溶解氧（DO）控制的重要性及复杂性后，提出用模糊控制的方法控制污水处理中的溶解氧，并设计了溶解氧模糊控制系统，为污水处理的自动控制提供了一个新的设计方法。     

城市污水处理过程动态多目标智能优化控制研究

城市污水处理过程(Municipal wastewater treatment process, MWWTP)是一个典型的复杂流程工业过程, 其优化运行涉及到多个动态性能指标. 为了实现城市污水处理运行过程的优化控制, 本文提出了一种城市污水处理过程动态多目标智能优化控制方法(Dynamic multiobjective intelligent optimal control, DMIOC). 首先, 建立了一种基于自适应核函数的动态性能指标模型, 实现了城市污水处理关键性能指标的准确描述; 其次, 设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法(Dynamic multiobjective particle swarm optimization, DMOPSO), 可有效平衡粒子的多样性和收敛性, 完成了溶解氧和硝态氮优化设定值的实时获取; 最后, 利用多回路PID控制方法对溶解氧和硝态氮优化设定值进行控制, 实现了城市污水处理过程安全稳定运行. 将提出的DMIOC应用于城市污水处理基准仿真平台, 实验结果显示: DMIOC 能够提高溶解氧和硝态氮的控制效果, 实现城市污水处理过程出水水质达标, 并降低运行成本.     

活性污泥系统中溶解氧模糊控制器的研究

分析了活性污泥系统中溶解氧（DO）控制的重要性及复杂性后，提出用模糊控制的方法控制污水处理中的溶解氧，并设计了溶解氧模糊控制系统，为污水处理的自动控制提供了一种新的设计方法。     

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...     

污水处理过程中DO的模糊神经网络控制

DO(溶解氧)是污水处理过程中重要的可控参量,由于污水处理过程本身的特点,采用传统的控制方式对它的控制难以达到预期的控制效果.本文提出一种模糊神经网络控制器用于DO的控制,通过仿真实验与PID控制进行比较,表明该系统具有更强的鲁棒性,并且对不同对象通过自适应地调整隶属度函数、动态优化控制规则,可以达到良好的控制性能.     

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。     

污水处理系统溶解氧的区间预测控制方法

针对污水处理系统溶解氧浓度难以控制和曝气耗能高的问题,提出了一种基于双层优化结构的加权区间预测控制方法。该方法首先通过动态矩阵控制算法建立污水处理过程预测模型,然后设计一种融合溶解氧区间控制和曝气能耗指标的双层目标优化控制策略,同时为减小模型失配和干扰因素对系统的影响,利用模型预测误差进行系统反馈校正。仿真结果表明,与传统PID控制和模型预测控制方法相比,在不同工况下,区间预测控制方法可较好的实现溶解氧浓度的动态稳定控制,具有较强的抗干扰能力与自适应性,且在保证出水水质的前提下能有效降低曝气能耗。     

污水处理系统溶解氧的模糊自适应PID控制

曝气生物滤池的工艺复杂,参数检测困难,并具有大滞后、干扰多等特点,所以要实现该工艺的自动控制,保证生产的稳定、高效运行并非易事。本文就影响曝气生物滤池工艺处理效果的曝气过程提出了溶解氧模糊自适应PID控制算法。仿真表明,模糊自适应PID控制器的控制性能优于常规模糊控制器和PID控制器,既可保证出水水质,又能节约动力费用。     

Control rules of aeration in a submerged biofilm wastewater treatment process using fuzzy neural networks

The present work is part of a global development of reliable real-time control and supervision tools applied to wastewater pollution removal processes. In these processes, oxygen is a key substrate in animal cell metabolism and its consumption is thus a parameter of great interest for the monitoring. In this paper, an integrated neural-fuzzy process controller was developed to control aeration in an Aerated Submerged Biofilm Wastewater Treatment Process (ASBWTP). In order to improve the fuzzy neural network performance, the self-learning ability embedded in the fuzzy neural network model was emphasized for improving the rule extraction performance. The fuzzy neural network proves to be very effective in modeling the aeration performs better than artificial neural networks (ANN).For comparing between operation with and without the fuzzy neural controller, an aeration unit in an Aerated Submerged Biofilm Wastewater Treatment Process (ASBWTP) was picked up to support the derivation of a solid fuzzy control rule base. It is shown that, using the fuzzy neural controller, in terms of the cost effectiveness, it enables us to save almost 33% of the operation cost during the time period when the controller can be applied. Thus, the fuzzy neural network proved to be a robust and effective DO control tool, easy to integrate in a global monitoring system for cost managing.     

模糊控制在生物流化床污水处理中应用研究

介绍了生物流化床新型污水处理技术,分析了生物流化床污水生物处理工艺难于控制的原因,以及模糊控制系统的结构和特点。根据生物流化床污水处理工艺特点,提出用模糊控制的方法实现生物流化床污水处理的自动控制。实验结果表明,将模糊控制应用于生物流化床污水处理技术可以在出水稳定达标的前提下达到节能降耗、避免过量曝气的目标。     

污水处理过程溶解氧浓度的自抗扰控制

溶解氧是活性污泥法处理污水的一个关键变量,它关系到污水中有机物的生物降解、微生物生长和出水水质.多数污水处理过程选择溶解氧为被控量.然而,溶解氧浓度受进水流量,进水组分、浓度波动等诸多因素影响,较难控制.本文根据曝气量变化确定溶解氧浓度设定值,以污水进水变化率为控制量,设计线性自抗扰控制实现对溶解氧浓度的跟踪,进而获得对污水出水底物浓度的间接控制.设计两组仿真实验,分别模拟进水底物浓度固定和变化时,线性自抗扰控制对溶解氧浓度和出水底物浓度的控制;同时,设计仿真实验验证线性自抗扰控制对总扰动的估计和补偿效果.仿真结果表明,线性自抗扰控制可获得良好的溶解氧浓度跟踪和出水底物浓度控制效果;在进水水质波动时,线性自抗扰控制亦具有很强的干扰补偿能力,可保证出水水质.     

基于工业以太网多PLC的污水处理控制系统

介绍了西门子公司S7-300PLC在污水处理厂自动控制中的应用,设计基于工业以太网的多处理器分布系统,详细介绍了系统网络拓扑结构,系统的硬件组态,PLC程序设计以及监控系统的设计.针对污水处理中曝气过程溶解氧控制对象的非线性、时变性以及不确定性等特点,提出一种基于模糊自适应PID的控制方法,完成了溶解氧自适应模糊PID控制系统的设计.该系统实现了城市污水处理的全自动控制,实际运行稳定,效果良好.     

粒子群改进算法在SBR曝气过程控制中的应用

SBR工艺是污水处理广泛采用的方法,针对曝气过程难于控制,探讨了粒子群改进算法在过程参数优化控制中的应用。文中剖析了曝气过程的控制论特性、控制难点,研究了控制策略,探讨了改进的PSO算法,基于仿人智能控制,构造了优化控制算法。借助仿真实验,对曝气过程控制作了对比研究,过程响应验证了基于粒子群改进控制算法的良好控制品质。仿真实验结果表明,基于粒子群改进控制算法在曝气过程控制中的应用是可行、合理与有效的。     

基于鲁棒加权模糊聚类的污水处理过程监测方法

针对非线性强、先验故障知识少、异常工况识别难的污水处理过程监测问题,提出一种基于鲁棒加权模糊c均值(Robust weighted fuzzy c-means, RoW-FCM)聚类与核偏最小二乘(Kernel partial least squares, KPLS)的过程监测方法.首先,针对污水处理过程的高维非线性耦合特性,采用核偏最小二乘对高维输入变量进行降维;其次,针对传统基于最近邻分配的模糊c均值算法对离群点敏感以及存在聚类不平衡簇的问题,提出充分考虑样本间相互关系的基于鲁棒加权模糊c均值聚类算法.通过引入可能性划分矩阵作为权值参数实现不同样本数据的区分加权,提高了离群点数据聚类的鲁棒性,同时引入聚类大小控制参数解决不平衡簇的问题.进一步将基于鲁棒加权模糊c均值算法对核偏最小二乘降维后的得分矩阵进行聚类,利用聚类得到的隶属度矩阵实现异常工况的检测;最后,建立隶属度矩阵与过程变量的回归模型,并利用得到的变量贡献矩阵描述变量对各个簇的解释程度,实现异常工况的识别.数值仿真以及污水处理过程数据实验表明该方法具有更好的鲁棒性能,在异常工况检测和识别上具有较好的效果.     

Design of a robust fuzzy controller for the arc stability ofCO2 welding process using the Taguchi method

CO(2) welding is a complex process. Weld quality is dependent on arc stability and minimizing the effects of disturbances or changes in the operating condition commonly occurring during the welding process. In order to minimize these effects, a controller can be used. In this study, a fuzzy controller was used in order to stabilize the arc during CO(2) welding. The input variable of the controller was the Mita index. This index estimates quantitatively the arc stability that is influenced by many welding process parameters. Because the welding process is complex, a mathematical model of the Mita index was difficult to derive. Therefore, the parameter settings of the fuzzy controller were determined by performing actual control experiments without using a mathematical model of the controlled process. The solution, the Taguchi method was used to determine the optimal control parameter settings of the fuzzy controller to make the control performance robust and insensitive to the changes in the operating conditions.