廢水處理過程智能控制建模與策略

目錄
前言
第1章緒論1
1.1廢水處理過程智能控制的意義1
1.2廢水處理過程監(jiān)控系統(tǒng)研究現(xiàn)狀2
1.2.1廢水處理系統(tǒng)在線監(jiān)測技術2
1.2.2廢水處理過程監(jiān)控系統(tǒng)發(fā)展現(xiàn)狀3
1.3廢水處理過程自動控制系統(tǒng)研究現(xiàn)狀3
1.3.1經(jīng)典控制4
1.3.2現(xiàn)代控制4
1.3.3大系統(tǒng)控制5
1.3.4智能控制7
1.4廢水處理在線監(jiān)測及自動控制智能算法9
1.4.1主成分分析9
1.4.2云模型11
1.4.3BP神經(jīng)網(wǎng)絡的基本結(jié)構與學習規(guī)則16
1.4.4基于遺傳算法的BP神經(jīng)網(wǎng)絡GA-BP17
1.4.5自適應模糊神經(jīng)網(wǎng)絡結(jié)構與算法ANFIS19
1.4.6基于小二乘法優(yōu)化的支持向量機算法LSSVM20
1.4.7基于粒子群算法優(yōu)化的支持向量機算法PSO-SVM24
1.4.8非支配排序遺傳算法NSGA-II25
1.4.9非支配排序遺傳算法NSGA-III28
參考文獻31
第2章廢水物化處理的模糊神經(jīng)網(wǎng)絡控制35
2.1廢水處理智能控制系統(tǒng)的設計35
2.1.1廢水物化處理簡介36
2.1.2實驗室造紙廢水處理智能控制系統(tǒng)37
2.1.3系統(tǒng)設備配置介紹39
2.1.4系統(tǒng)軟件42
2.2混凝投藥預測控制系統(tǒng)的設計48
2.2.1模糊神經(jīng)網(wǎng)絡模型結(jié)構49
2.2.2網(wǎng)絡結(jié)構辨識50
2.2.3網(wǎng)絡參數(shù)學習算法52
2.3廢水處理混凝投藥預測模型52
2.3.1預測數(shù)學模型52
2.3.2訓練樣本數(shù)據(jù)的獲取53
2.3.3樣本數(shù)據(jù)分析與處理54
2.3.4預測模型的結(jié)構辨識57
2.3.5預測模型的參數(shù)辨識及仿真58
2.4廢水處理混凝投藥控制模型62
2.4.1控制數(shù)學模型62
2.4.2控制模型的結(jié)構辨識62
2.4.3控制模型的參數(shù)辨識63
2.5廢水處理混凝投藥控制效果分析64
2.5.1進水流量變化、進水COD不變時的控制效果64
2.5.2進水流量不變、進水COD變化時的控制效果64
參考文獻66
第3章廢水厭氧處理的混合軟測量模型及多目標優(yōu)化67
3.1厭氧處理工藝自動監(jiān)控系統(tǒng)的設計67
3.1.1廢水厭氧處理簡介67
3.1.2廢水厭氧處理自動監(jiān)控系統(tǒng)的硬件構架69
3.1.3廢水厭氧處理自動監(jiān)控系統(tǒng)的軟件構架71
3.2基于云模型的pH智能控制器76
3.2.1廢水處理pH控制策略76
3.2.2云模型控制器設計77
3.2.3MCGS下實現(xiàn)pH的控制與結(jié)果80
3.2.4仿真分析81
3.3基于PCA-LSSVM的厭氧處理出水水質(zhì)軟測量82
3.3.1PCA-LSSVM的厭氧處理出水水質(zhì)軟測量模型82
3.3.2厭氧出水VFA軟測量模型83
3.3.3厭氧出水COD軟測量模型91
3.4基于PSO-SVM的廢水處理過程軟測量95
3.4.1PSO-SVM的廢水處理過程軟測量95
3.4.2厭氧處理COD去除率預測模型97
3.4.3厭氧處理VFA濃度預測模型99
3.5基于動力學和PSO-SVM的廢水處理產(chǎn)氣量的混合軟測量102
3.5.1動力學模型102
3.5.2基于微生物動力學和PSO-SVM模型105
3.5.3厭氧處理產(chǎn)氣量的軟測量模型105
3.6基于GA-BP的厭氧處理出水水質(zhì)軟測量及多目標優(yōu)化108
3.6.1GA-BP厭氧同時反硝化產(chǎn)甲烷過程的出水氨氮軟測量模型108
3.6.2GA-BP的廢水處理過程產(chǎn)氣量軟測量115
3.6.3基于NSGA-II的多目標優(yōu)化模型118
3.7基于PCA-BP和PCA-LSSVM的厭氧氨氧化出水軟測量及多目標優(yōu)化123
3.7.1數(shù)據(jù)選取與預處理123
3.7.2模型性能評價指標125
3.7.3基于PCA-BP和PCA-LSSVM算法的厭氧氨氧化出水水質(zhì)軟測量模型125
3.7.4基于PCA-LSSVM和NSGA-II混合智能算法的厭氧氨氧化脫氮系統(tǒng)多目標優(yōu)化模型131
參考文獻136
第4章A/O廢水處理過程智能優(yōu)化控制137
4.1廢水處理智能控制系統(tǒng)的設計137
4.1.1A/O廢水處理系統(tǒng)簡介137
4.1.2基于Web方式開發(fā)的廢水處理智能控制APP140
4.2基于兩級模糊神經(jīng)網(wǎng)絡的溶解氧混合控制模型141
4.2.1溶解氧控制的必要性141
4.2.2溶解氧控制方案142
4.2.3模糊及模糊PID控制器145
4.2.4廢水處理溶解氧控制模型151
4.3基于參數(shù)優(yōu)化的動態(tài)模糊神經(jīng)網(wǎng)絡的回流比控制模型159
4.3.1回流比控制的必要性159
4.3.2回流比控制方案159
4.3.3營養(yǎng)物質(zhì)動態(tài)變化預測模型161
4.3.4缺氧池末端硝態(tài)氮預測模型168
4.3.5廢水處理回流比控制模型172
4.4A/O廢水處理過程智能控制的實現(xiàn)及控制效果分析175
4.4.1溶解氧控制效果分析175
4.4.2回流比控制效果分析177
4.5活性污泥法廢水處理仿真基準模型建模與多目標優(yōu)化178
4.5.1基于MATLAB的仿真基準模型的建模178
4.5.2基準仿真模型BSM1的多目標優(yōu)化建模步驟179
4.5.3基準仿真模型BSM1的評價函數(shù)180
4.5.4基準仿真模型BSM1的約束規(guī)則180
4.5.5多目標優(yōu)化算法和BSM1模型之間的參數(shù)傳遞及使用方法181
4.5.6基準仿真模型BSM1的進水水質(zhì)分布情況181
4.5.7優(yōu)化策略下的節(jié)能減排分析182
參考文獻187
第5章A2/O廢水處理的神經(jīng)網(wǎng)絡軟測量及智能優(yōu)化控制189
5.1廢水處理智能控制系統(tǒng)的設計189
5.1.1A2/O廢水處理系統(tǒng)簡介189
5.1.2廢水處理自動控制系統(tǒng)的硬件構成190
5.1.3廢水處理自動控制系統(tǒng)的軟件構成192
5.2基于神經(jīng)網(wǎng)絡和遺傳算法的出水水質(zhì)軟測量194
5.2.1神經(jīng)網(wǎng)絡軟測量模型的建構和優(yōu)化194
5.2.2出水COD的軟測量模型199
5.2.3出水氨氮的軟測量模型204
5.3基于自適應模糊神經(jīng)網(wǎng)絡的出水水質(zhì)軟測量210
5.3.1軟測量模型結(jié)構及算法的確定210
5.3.2出水COD的軟測量模型216
5.3.3出水氨氮的軟測量模型220
5.4基于GA-BP和動力學模型的鄰苯二甲酸二丁酯降解預測模型223
5.4.1實驗材料和方法223
5.4.2造紙廢水有機物分析及選擇225
5.4.3DBP在A2/O中的遷移轉(zhuǎn)化研究225
5.4.4DBP去除機理分析與模型研究230
5.4.5基于GA-BP神經(jīng)網(wǎng)絡的出水DBP預測模型232
5.4.6實驗模型比較236
5.5基于自適應模糊神經(jīng)網(wǎng)絡軟測量模型的溶解氧智能優(yōu)化控制237
5.5.1溶解氧控制方案237
5.5.2廢水處理出水COD預測模型239
5.5.3廢水處理溶解氧的智能優(yōu)化控制241
5.5.4溶解氧控制效果分析245
參考文獻246
第6章工業(yè)廢水智能控制系統(tǒng)工程案例248
6.1制漿造紙廢水處理簡介248
6.1.1制漿造紙廢水處理工藝簡介248
6.1.2制漿造紙廢水的來源及特點250
6.1.3制漿造紙廢水處理過程的特征251
6.2制漿造紙廢水處理過程的主要影響因素及注意事項251
6.2.1制漿造紙廢水處理過程的主要影響因素251
6.2.2制漿造紙廢水處理過程日常操作注意事項253
6.3制漿造紙廢水處理智能控制系統(tǒng)研究體系254
6.3.1制漿造紙廢水處理過程存在的問題254
6.3.2制漿造紙廢水處理控制方案255
6.4制漿造紙廢水處理應用工程系統(tǒng)設備簡介256
6.4.1一體化高效物化反應器256
6.4.2兩相兩階段高效厭氧反應器258
6.4.3生物接觸氧化池259
6.4.4PS高級氧化反應器260
6.5制漿造紙廢水處理自動控制系統(tǒng)構建262
6.5.1制漿造紙廢水處理廠常用工藝流程262
6.5.2智能控制系統(tǒng)框架263
6.5.3智能控制系統(tǒng)的搭建流程263
6.5.4設備配置264
6.5.5組態(tài)設計274
6.5.6智能控制系統(tǒng)操作運行界面276
6.6制漿造紙廢水高級氧化處理智能加藥系統(tǒng)構建
2796.6.1制漿造紙廢水高級氧化處理智能加藥系統(tǒng)數(shù)據(jù)處理
2796.6.2建模基本過程及模型參數(shù)的選擇與設定281
6.6.3PS高級氧化技術智能加藥控制系統(tǒng)的設計及仿真283
6.6.4模糊控制器的建模過程及模型參數(shù)選定284
6.6.5PS高級氧化智能加藥系統(tǒng)Simulink仿真模型的建立286
參考文獻286