基于深度强化学习的服装缝制过程实时动态调度

服装缝制生产过程易受动态事件干扰,针对订单实时到达的动态事件,以最小化最大完工周期为目标,提出基于深度强化学习的服装缝制过程实时动态调度方法。首先,建立服装缝制过程的调度优化模型,并将该问题转化为基于马尔科夫决策过程的顺序决策问题。然后,通过定义状态特征、候选动作集、奖励函数、探索与利用策略等方面,并结合DDQN算法训练深度神经网络用以描述状态-动作值,据此在决策节点选择最合适的调度规则。实验结果表明：针对牛仔裤前片缝制过程,所提出的方法相较于遗传算法,在调度目标的达成度方面略逊2.3%,但决策时间大幅减少91.4%,表明针对订单动态到达的调度问题,该方法能够实现有效地实时响应,确保了缝制生产的高效性与连续性。     

基于DNN-LSTM的造纸废水处理过程温室气体排放分析模型

本研究采用深度学习算法,对造纸废水处理过程的温室气体(GHG)排放进行建模与分析,以期为温室气体减排控制提供参考。结合造纸废水处理温室气体产生机理,在基准仿真1号模型(BSM1)的实验基础上,将深度神经网络(DNN)模型和长短期记忆网络(LSTM)模型用于造纸废水处理过程中温室气体排放建模与分析,以辅助温室气体在线监测和分析。结果表明,深度学习模型可以有效地捕捉温室气体排放的特征。模型验证结果 R²>0.99,平均相对误差不超过1%。基于DNN的灵敏度分析结果表明,曝气强度、污泥排放量、溶解氧浓度及内循环流量是影响造纸废水处理过程温室气体排放的关键操纵变量,水质变量和操纵变量间的相互作用是影响温室气体排放的潜在因素。     

基于并行偏最小二乘法的造纸废水处理过程故障检测

为进一步提高造纸废水处理过程故障检测精度,研究基于并行偏最小二乘法建立了一套用于造纸废水处理过程故障检测的数学模型,重点分析模型输入和输出矩阵的不可预测部分,进而实现更加全面的造纸废水处理过程故障检测。最后通过模拟废水处理过程中传感器故障的方式来对CPLS模型的有效性加以验证,发现该模型在TP-eff漂移故障检测率指标方面显著优于常规PLS模型,具有一定的应用价值。     

造纸废水深度处理工程设计

在某钞票纸厂原有废水处理设备基础上引入一体化废水处理设备,对部分废水进行深度处理后回用,以减少废水排放量。同时对一体化废水处理设备进行了深入分析。运行结果表明,此工艺能够满足实际生产的需要,具有可行性。     

基于ANN和LSSVR的造纸废水处理过程软测量建模

针对造纸废水处理系统的时变性、非线性和复杂性等特点,将人工神经网络(ANN)和最小二乘支持向量回归(LSSVR)分别用于造纸废水处理过程中的软测量建模,实现造纸废水处理过程中出水化学需氧量和出水悬浮固形物浓度的预测。ANN采用误差反向传播算法建模,LSSVR通过粒子群优化算法进行模型参数优化。结果表明,与ANN模型预测结果相比,LSSVR模型预测结果的均方根误差降低了50%以上,相关系数提高了近10%,表明LSSVR模型在造纸废水处理过程中的预测精度高于ANN模型。     

制浆造纸废水深度处理技术

对各种造纸废水深度处理技术进行了总结,并介绍了目前国内外的相关研究情况。     

基于RPLS的造纸废水处理过程软测量建模

偏最小二乘(PLS)软测量预测模型在预测造纸废水处理过程中的出水化学需氧量(CODCr)和固体悬浮物(SS)时,易受过程非线性特性和系统外部干扰等因素的影响而失效。针对以上问题,研究了递归偏最小二乘(RPLS)算法的造纸废水处理过程软测量建模。计算结果表明,采用PLS模型预测出水CODCr时,平均绝对百分比误差(MAPE)、均方根误差(RMSE)和相关系数(R2)分别为5.3832%、4.6878和0.5892;采用RPLS模型预测时,MAPE、RMSE、R2分别为1.3861%、1.8792和0.9221。采用PLS模型预测SS时,MAPE、RMSE和R2分别为2.5962%、0.7412和0.6651;采用RPLS模型时MAPE、RMSE、R2分别为0.6795%、0.2198和0.9627。以上结果表明,RPLS预测模型比PLS预测模型具有更好的预测性能和更高的精度。     

造纸废水的深度处理研究和工程应用

现场监测表明：无锡荣成纸业有限公司的水源COD已在100mg／1左右，SS已超过废水排放标准值的一倍，造纸废水的背景值很高。深度生物处理对降低水源的背景值效果不大，但轻度混凝处理效果很好。海选出了3种较好的絮凝荆、3种较好的助凝剂，对荣成公司废水进行深度处理，获得了明显效果。优选出的混凝荆配方为：PAC2 450mmp，PAMj 1ppm，吨水处理费用为0．277元或PAC2600mmp。PAMj 1ppm，吨水处理费用为0．360元，可使排放废水从原来的COD120～150mg／1进一步降低至COD≤100mg／1。     

混凝强化微电解工艺深度处理造纸中段废水

采用混凝强化微电解工艺深度处理造纸中段废水,通过考察废水CODCr、色度的去除效果,得到其最佳工艺条件:常温下,pH值4.0,用铁量40g·L-1,活性炭用量8g·L-1,反应时间60min,PAC用量120mg·L-1,PAM用量1mg·L-1。结果表明:出水色度36倍,去除率90%;CODCr96mg·L-1,去除率66%,达到造纸行业废水排放标准。     

生物强化技术在造纸废水处理中的应用

从生物强化技术、固定化微生物技术和环境生物制剂等方面,介绍了生物强化技术在制浆造纸废水中的应用现状,总结了制剂造纸废水生物强化技术的研究进展,并讨论了今后的研究方向。     

添加H_2O_2/O_2的微电解深度处理造纸中段废水

在废水传统微电解处理工艺的基础上,增加了H2O2/O2处理,实验结果表明:在pH值4.5,Fe/C=1:1,反应时间40min,H2O2加入量0.8mg·L-1废水,曝气头1个的条件下,H2O2/O2对传统微电解工艺具有加强作用,出水色度48倍,CODCr为51mg·L-1,达到最新造纸行业废水排放标准。且该工艺较适合作为二级生化前的预处理或后处理工艺。     

臭氧氧化深度处理造纸废水以及过程优化

针对造纸过程中废水难以达标排放的问题,探索了臭氧氧化法的深度处理效果,并采用单因素实验对处理工艺进行了优化。结果表明,以纳米氧化铜作为臭氧氧化催化剂,且臭氧用量为3 g/h,催化剂用量为0.25‰,反应温度30℃,反应时间30 min时,废水COD_Cr去除率可达95%以上,出水水质满足GB 3544—2008《制浆造纸工业水污染物排放标准》。     

絮凝法处理造纸废水的响应面优化

以广州某造纸厂废水为研究对象,利用造纸厂Fenton污泥制备得到的聚合硫酸铁(PFS)为絮凝剂,聚丙烯酰胺(PAM)为助凝剂,通过絮凝法对废水进行处理。采用响应面法探究了絮凝过程中PFS用量、PAM和PFS的体积比及处理温度对废水中化学需氧量(COD)去除率的影响。结果表明,絮凝法可以有效地降低造纸废水中的COD含量,响应面法优化得到的最佳工艺条件为:PFS用量1.04 mL/L,PAM和PFS体积比4.99,处理温度31.54℃。在最优条件下进行验证实验,造纸废水中COD_(Cr)的去除率为39.6%,与响应面法模型预测值(39.5%)接近。研究还表明,响应面法可科学地优化絮凝法对造纸厂废水中COD去除的处理方案,且能在较少试验次数下验证影响因素之间的关系。     

国内外造纸废水的深度处理技术

介绍了制浆造纸中段废水深度处理技术的研究现状,讨论了各种方法的作用机理以及在造纸废水深度处理中的应用,提出了通过多种工艺联合处理,优势互补,才能做到经济性与实用性的统一。     

基于独立元分析的制浆造纸废水处理过程故障检测

为及时、准确地做出故障诊断,本课题采用独立元分析（ICA）和主成分分析（PCA）两种常用的多元统计分析方法对制浆造纸废水处理过程中的传感器故障进行检测并对诊断效果进行对比。结果表明,对于制浆造纸废水数据中偏移和漂移两种故障,ICA模型的故障检测率分别为24%与54%,PCA模型的故障检测率分别为14%和42%,ICA模型的两种故障检测率均高于PCA模型,但是两种模型均无法达到满意的检测效果;对于完全失效故障,ICA和PCA模型的故障检测率均达到100%。     

自适应粒子群算法在污水处理过程智能控制优化中的应用仿真研究

基于污水处理国际基准仿真平台,采用自适应粒子群算法进行污水处理过程智能控制优化仿真实验研究.首先,详细介绍了国际基准仿真平台BSM1的结构和原理.在此基础上,基于BSM1的仿真工况,以出水水质达标且能耗最低为目标,构造污水处理过程的优化目标函数.然后,基于时变参数策略,构造自适应粒子群算法对污水处理过程中的控制参数进行...     

造纸废水处理系统改造的实践

主要介绍SBR法的操作原理及控制因素和用SBR法处理本公司混合废水的运行效果。     

基于遗传算法和BP网络的造纸废水处理预测研究

在造纸废水处理过程建立出水COD预测模型中,针对BP算法易陷入局部极小、收敛速度慢等缺点,根据遗传算法(Genetic Algorithm-GA)具有全局寻优的特点,将两者结合起来形成一种训练神经网络的混合算法--GA-BP算法;仿真结果表明,预测模型具有较强的学习能力和泛化能力,同时,建立的GA-BP模型预测输出的平均误差仅为0.88%,说明此模型可以有效、可靠地预测造纸废水出水COD.     

深井曝气处理制浆造纸废水初探

制浆造纸废水处理一直是造纸行业的一个重要问题。生化处理是造纸废水的主要处理方法之一。针对造纸废水的特征和深井曝气活性污泥法独特的技术优势，深井曝气处理造纸废水具有广阔的适应性和应用前景。