基于自校正回归神经元网络的预报建模

讨论了回归神经元网络（ＲＮＮ）的网络结构和基本实现方法，提出了主元分析（ＰＣＡ）和具有自校正功能的回归神经元网络相结合的非线性时变系统预报建模方法，并用于减压塔塔顶温度的预报．结果表明，该方法具有良好的预报性能．     

污水处理中溶解氧仪响应模型及测量干扰分析

给出了污水处理常用的电化学仪表--溶解氧仪的响应模型.该响应模型为一阶线性模型,利用溶解氧的间歇测量数据对响应模型进行了非线性拟合,确定了模型的参数;同时对连续测量数据进行了干扰分析.通过对测量数据的干扰分析.分别对三种不同的滤波器进行了对比.最后选择了低频滤波性能良好的IIR滤波器作为溶解氧仪数据的滤波器,满足了污水处理对溶解氧仪测量数据准确性的要求.     

生物反应池溶解氧的模糊控制研究

主要针对城市污水处理的多个生化反应池风量不同引起溶解氧控制复杂的情况，采用模糊控制方法控制曝气池的溶解氧浓度，在不同情况下采用不同策略实现风量节能的控制方案，对仿真结果和结合现场实际情况对方案进行了分析。     

溶解氧浓度的神经网络控制研究

污水生化处理过程常常受到入水流量水质变化而处于动态过程,溶解氧浓度作为系统运行过程的一个关键变量,采用经典的PI控制器难以保证良好的控制效果;针对污水处理过程的溶解氧浓度控制问题,提出了基于单神经元自适应PID算法和基于RBF神经网络两种控制器;在国际基准Benchmark Simulation Model No.1 (BSM1)的仿真平台上进行仿真实验,与经典PI控制器的运行结果对比,证明了在所提出的两种控制器作用下,溶解氧浓度具有更好的跟踪给定值能力,控制系统具有更好的综合性能指标值.     

污水活性污泥处理过程的溶解氧增益调度控制

考察污水活性污泥处理过程溶解氧控制效果的重要性能指标是溶解氧浓度的波动情况和能耗。针对溶解氧的非线性传递模型,本文提出了以溶解氧设定值作为调度变量的溶解氧增益调度控制方法。即在溶解氧设定值进行泰勒级数展开得到线性模型,采用参考模型方法设计控制器,再根据不同的调度值(溶解氧设定值),调度线性时不变控制器。仿真结果表明,本文提出的增益调度控制方法无论在能耗方面还是在控制精度方面都要明显优越于常规的开关控制和PID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。     

仿人智能PID控制及在污水处理溶解氧控制中的应用

常规PID控制方法设计简单,可靠性高,稳定性好,易于现场工程师操作和调节,但是常规PID对非线性、大时滞的对象和模型未知或难以精确建模的复杂对象难以实现有效控制。基于专家规则的仿人智能控制(HSIC)适合复杂对象的控制,它模拟人的控制行为,对被控对象的先验知识要求不高,但设计相对要复杂,不易操作和调节。针对二者的特点,将它们结合在一起,取长补短,形成仿人智能PID控制方法。该算法适合控制非线性、大时滞的对象和难以精确建模的复杂对象。算法在海城污水处理厂的溶解氧控制系统中得到了应用。与原来的常规PID控制系统相比,提高了系统的稳定性,减少了能耗,使该厂的用电消耗降低了10%,带来了一定的经济效益。     

基于自组织模糊神经网络溶解氧控制方法研究

针对污水处理过程中溶解氧浓度难以控制的问题,提出了一种基于自组织模糊神经网络（self-organizing fuzzy neural network, SOFNN）的溶解氧（dissolved oxygen, DO）控制方法。首先,采用激活强度和神经元重要性两个评判标准,来判断神经元对网络的贡献及活跃程度。然后,对不活跃的神经元进行删减,以此来对神经网络结构进行自适应的调整,从而满足实际控制要求,提高控制精度。其次,采用梯度下降算法对SOFNN神经网络的各个参数进行实时调整,以保证网络的精度。最后,将该自组织方法用在Mackey-Glass时间序列预测中,结果表明所提出的自组织模糊神经网络具有较好的预测效果;同时将所提出的SOFNN方法在BSM1仿真平台上进行实验验证。结果表明,所提出的自组织模糊神经网络控制方法能够对溶解氧浓度进行较好地控制,具有一定的自适应能力。     

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.     

集约化水产养殖溶氧预测模型及其实现

通过对养殖池中影响溶氧变化因子的分析,选择溶氧、水深（cm）…水温度等9项因子作为输入参数,建立了溶氧预测模型.在该模型中,采用LMBP算法对BP神经网络进行优化,解决了BP神经网络的训练存在陷入局部最小点或训练速度慢等问题,提高了网络训练速度、保证了预测精度,具有较好的实用价值并可应用于其它水质因子的预测.     

木薯酒精发酵过程溶解氧的模型研究

针对木薯酒精发酵过程中溶解氧的模型难以建立的现状,将模糊技术与神经网络相结合,用自适应神经模糊推理系统(ANFIS)对溶解氧进行建模,使用混合学习算法对该模型进行学习,并用未经训练的数据进行模型验证。结果表明,该模型取得满意的逼近效果,具有一定的可操作性,能够较好的解决木薯酒精发酵过程中溶解氧的建模问题。     

数据驱动的溶解氧浓度在线自组织控制方法

针对城市污水处理过程的非线性、不确定性以及非高斯等特点, 提出一种数据驱动的溶解氧(Dissolved oxygen, DO)浓度在线自组织控制方法. 首先, 设计一种基于相关熵的自组织模糊神经网络控制器(Correntropy-based self-organizing fuzzy neural network, CSOFNN), 采用相关熵与规则贡献度指标实现控制器结构与参数的自动构建或修剪. 其次, 设计基于相关熵诱导准则的补偿控制器及参数自适应律, 充分利用相关熵抑制非高斯噪声的能力, 能够有效地降低系统中的不确定性. 然后, 分析所提出的控制方法的稳定性, 从而保证其在实际应用中的可靠性. 最后, 基于基准仿真1号模型(Benchmark simulation model No. 1, BSM1)的实验验证了所提方法的有效性.     

智能型溶解氧监测仪的设计

介绍了采用极谱式氧电极和单片机等组成的智能型溶解氧监测仪的原理及软硬件设计方法。该监测仪较好地克服了国内现有溶解氧分析仪的诸多缺点，是集溶解氧和溶解氧变化速率测定与自动监测于一身的智能型溶解氧监测仪。     

基于CC2530的溶解氧无线传感器网络节点硬件设计

提出一种基于Soc芯片CC2530的水质参数溶解氧无线侍感器网络采集节点的硬件实现方案.该设计方案主要包括数据采集模块、处理模块、无线通信模块和电源模块四部分.各模块电路易于实现,具有较强的实用性和通用性.     

污水处理曝气池溶解氧智能优化控制系统

提出一种新的溶解氧优化控制方法,根据不同的进水水质,利用在线多输入多输出最小二乘支持向量机软测量模型预测出水参数值.将这些参数作为水质反馈信号,使用模糊神经网络动态优化与进水水质对应的溶解氧设定值.最后利用神经网络逆控制系统跟踪优化的溶解氧设定值,从而实现在达到出水指标的前提下,既能保证出水水质的稳定,又能有效消除曝气量冗余,实现曝气量的动态优化,有效减少电能消耗.     

炼铜转炉吹炼终点的神经网络和自适应残差补偿组合预报模型

提出了基于改进的BP神经网络学习算法和自适应残差补偿算法的炼铜转炉吹炼终点组合预报模型. 利用某厂实际生产数据进行仿真运行的结果表明, 本文建立的模型具有较高的预报精度和较强的实用性, 可用于指导生产实践.     

基于PSO-ICA 和RBF 神经网络的转炉炼钢终点预报模型

提出将微粒群优化算法和独立成分分析引入到径向基函数神经网络模型用于转炉炼钢终点预报．利用 微粒群优化算法的全局遍历特性和快速不动点算法的局部寻优能力,改进了传统的独立成分分析算法,解决了其目 标函数易陷入局部最优和独立特征排序不确定的问题,压缩冗余信息并降低输入维数．将提取出的独立特征输入径 向基函数神经网络,预报终点温度和碳含量．对转炉生产实测数据进行了仿真,结果表明该模型能有效提高预报精 度,保证预报的可靠性．     

溶解氧去伪控制研究

由于污水生化处理过程具有时变、非线性、大时滞、不确定等特点,建立精确的数学模型十分困难.针对这一特点,提出了基于去伪控制的溶解氧浓度研究,系统的介绍了去伪控制理论,并将该方法应用到溶解氧控制系统中,通过SIMULINK仿真,验证了该方法的可用性.