城市污水处理过程污泥膨胀识别与抑制综述

污泥膨胀是活性污泥法污水处理过程中常见的一类异常工况, 且具有严重危害性, 研究污泥膨胀的识别和抑制方法对城市污水处理过程正常运行意义重大. 本文主要针对城市污水处理过程中污泥膨胀的识别和抑制方法进行综述. 首先, 文章概述了城市污水处理过程, 介绍了污泥膨胀的概念、主要特点、类型和成因; 其次, 概述了基于微生物生理特征、机理模型、图像识别和数据驱动的污泥膨胀识别方法, 分析其发展现状并指出优缺点; 然后, 概述了基于过程调控和机理特征的污泥膨胀抑制方法, 分析其发展现状并对比优缺点; 最后, 总结全文, 指出了城市污水处理过程污泥膨胀识别和抑制面临的主要问题, 并对其研究趋势进行了展望.     

电熔镁炉熔炼过程异常工况识别及自愈控制方法

本文提出了基于多源信息融合的电熔镁炉异常工况识别及自愈控制方法.通过分析与三种异常相关的专家知识及操作经验, 本文提取了与异常工况相关的多源信息.通过融合多源信息, 建立了用于异常工况识别的贝叶斯网络模型.根据异常工况的识别结果, 利用剩余生命时间与控制变量调整量间的关系获得自愈控制措施.仿真结果表明提出的方法能够实现异常工况识别, 并且能够区分严重程度, 制定相应的自愈控制方案, 获得比现有方法更好的性能.     

基于贝叶斯网络参数迁移学习的电熔镁炉异常工况识别

在贝叶斯网络(Bayesian network, BN)参数学习中, 如果数据不够充分, 将无法建立准确的BN模型来分析和解决问题. 针对电熔镁炉熔炼过程的异常工况识别建模, 提出一种新的BN参数迁移学习方法来改进异常工况识别精度. 该方法可以解决源域BN与目标域BN在结构不一致情况下的参数迁移学习问题. 在实验部分, 首先在著名的Asia网络上对该方法进行了验证, 然后将其应用于电熔镁炉熔炼过程排气异常工况识别BN模型的参数学习. 实验结果表明, 与小数据下建立的目标域BN模型相比, 该方法较大地提高了异常工况识别的准确性.     

一种基于多工况识别的过程在线监测方法

在包含多个工况的工业生产过程中,各个稳态工况之间存在着一定的过渡过程,虽然过渡时间较短,但其复杂的动态特性使得传统的过程监测方法难以获得满意的效果,为此提出一种基于多工况识别的过程监测方法.首先,通过窗口切割对基本稳态工况进行识别;然后,采用滑动窗技术确定过渡过程的起始和结束时间,并进一步基于差分分段技术对过渡过程的子阶段进行分类,考虑到各阶段数据的不同分布特性,利用独立成分分析和主元分析分别提取各阶段数据的非高斯和高斯信息;最后根据贝叶斯推断将3个统计量进行重构, 实现多工况过程的在线监测.通过TE过程的仿真研究,验证了所提出方法的可行性和有效性.     

城市污水处理过程自适应滑模控制

针对城市污水处理过程时滞导致难以稳定控制的问题, 提出一种自适应滑模控制方法(Adaptive sliding mode control, ASMC). 首先, 分析推流时滞对城市污水处理生化反应过程的影响, 建立时滞影响下的城市污水处理运行控制模型; 其次, 设计一种基于模糊神经网络的预估补偿模型, 完成滞后变量的准确预测, 实现控制模型中变量时刻的统一; 最后, 设计一种具有自适应开关增益系数的滑模控制器(Sliding mode control, SMC), 实现溶解氧和硝态氮的稳定控制. 将提出的自适应滑模控制方法应用于城市污水处理过程基准仿真平台, 实验结果显示该方法能够实现城市污水处理运行过程稳定控制.     

基于工况识别的牵引力分层控制系统研究

在汽车牵引力优化控制的研究中,为了解决低附着路面上驱动力矩过大引起驱动轮过度滑转问题,提出了包含上层工况识别层、中层TCS控制层和底层部件执行层的牵引力分层控制系统.上层控制中将汽车的行驶状态划分为8种不同的工况,综合提出轮速的工况识别逻辑.中层控制中采用一种基于变参数PID的发动机节气原开度调节和基于逻辑门限值的液压制动力矩调节相结合的牵引力控制算法.再直接采用SimMechanics模块对实际构件和构件之间关系建模的优点,构建SimMechanics和Simulink的联合仿真实验平台进行仿真.仿真结果表明所提出的牵引力分层控制系统有效地抑制了驱动轮打滑,提高了车辆的驱动性能.     

城市污水处理过程模型预测控制研究综述

城市污水处理过程具有生化反应复杂、非线性、不确定性等特点,在受进水流量、进水组分、天气变化等强干扰作用时,很难保证出水水质维持在规定范围内。模型预测控制以其可应用于非线性系统、显式处理约束问题等优点,近几年在城市污水处理过程中得到了广泛应用。本文从模型预测控制方法在城市污水处理过程中所依托的模型角度出发,介绍了其在基于机理模型和数据驱动的城市污水处理过程中的研究现状,阐述了在不同模型和控制变量下的控制效果。最后提出了城市污水处理过程中仍需解决的问题,并对模型预测控制方法在城市污水处理过程控制中的未来研究方向做出了展望。     

城市污水处理过程优化设定方法研究进展

城市污水处理过程优化运行的目标是保证出水水质达标, 降低运行成本. 为了实现该目标, 需要动态更新污水处理过程操作变量的最优设定值. 由于城市污水处理过程具有多变量、多冲突、多目标、多约束、动态、时变等特点, 如何设计精确的污水处理过程运行指标模型, 如何优化过程操作变量的最优设定值, 是实现城市污水处理过程优化运行亟待解决的难题. 本文梳理了城市污水处理过程优化设定方法的研究进展. 首先, 介绍了城市污水处理过程特性和过程优化设定问题; 其次, 分别概述了基于机理和基于数据驱动的城市污水处理过程运行指标建模方法; 然后, 分别讨论了城市污水处理过程单运行指标和多运行指标的操作变量设定值寻优算法; 最后, 展望了城市污水处理过程优化设定问题的未来研究方向.     

PLC在城市污水处理系统中的应用

介绍了一种由PLC控制的污水处理系统，详细叙述了该方案如何用以太网连接三菱A系列PLC和上位机实现。运行结果表明，该系统安全达到了设计规定的性能指标和要求，且运行可靠。     

CBiA-PSL抽油井异常工况预警模型

油田生产过程中,油井受各种因素的影响容易发生泵漏、管漏等异常工况,会降低油井产出甚至导致躺井,对异常工况预警是油田智能化管理的重要任务.基于CNN-BiGRU联合网络,提出一种改进的网络结构CBiA-PSL模型(CNN BiGRU attention-positive sharing loss),用于油井异常工况预警....     

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.     

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.     

污水处理过程的自适应控制

把自适应控制方法应用到污水生化处理过程中,主要是对溶解氧浓度的控制。使用双线性模型来简化溶解氧动态,对于一些不可以直接测量得到的重要过程参数,采用递推最小二乘算法来估计得到,并设置一步预测输出为期望的输出,从而得到对溶解氧浓度的最小方差自校正控制方案。仿真结果说明了空气流量和氧气吸收率(OUR)对溶解氧浓度的影响。     

污水处理过程的集合型监测方法研究

针对具有非线性、多变量特性的污水处理过程监测准确性有待提高问题,提出一种集合型EMD-IFCM-KPCA过程监测方法.该方法首先利用经验模态分解方法对数据进行预处理,然后用改进的模糊C均值聚类对数据进行聚类,最后采用核主成分分析方法对污水处理过程中的异常状态进行监测.水处理基准模型(BSM1)过程监测实验结果表明,将EMD-IFCM-KPCA集合型方法应用于污水处理过程,监测准确性优于传统KPCA,IFCM-KPCA等方法.     

污水处理过程出水水质多模型在线软测量方法

针对污水处理过程出水水质参数难以在线监测的问题,提出了一种多模型在线软测量方法。该方法根据污水处理过程中实时工况数据具有聚类和迁移属性的特点,利用在线减法聚类算法将实时工况数据样本进行划分,并根据实时工况数据在样本空间中的分布,采用模糊策略将相应子空间的实时工况数据分配给不同的子模型进行学习,最后通过动态集成各子模型的输出而得到最终软测量结果。以某污水处理厂实际运行数据对污水处理过程出水水质氨氮进行预测,实验结果表明,该方法确实能够以实时工况数据为驱动自组织构建多模型软测量模型,且用该方法构建出的多模型软测量模型无论在建模精度、建模速度以及跟踪实时工况的能力等方面都有所提高。     

污水处理脱氮除磷过程建模与控制的研究

为解决水体富营养化的日趋严重及人们对水环境质量要求提高的需要,使污水处理工艺要求具有同时脱氮除磷的功能,介绍了污水生化处理过程最新进展,讨论了污水处理过程中脱氮除磷的建模和控制,以及最新的Benchmark仿真问题。从控制角度看,研究生物脱氮除磷的建模与控制技术是污水处理过程中需要解决的重要问题。     

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.