为了改善在污水处理环节中对有关化学需氧量预测效果的问题,提出了一种经象群算法优化的BP神经网络预测模型.首先通过将象群算法中的分离操作与改进权重的粒子群算法相结合,有效去除了种群中适应度较差的个体,进一步提高算法寻找最优值的能力;首次利用改进后的象群算法优化BP神经网络对预测数据进行更好的逼近,提高预测模型的预测准确度;最后,通过仿真结果清晰表明:改善后的BP神经网络相对于传统BP神经网络以及一般的小波神经网络有着更高的预测精度.改进后的象群算法结合BP神经网络所建立的预测模型在一定程度上可以对污水处理中的出水化学需氧量进行比较准确的预测,能满足预测出水化学需氧量的一般要求,具有一定的研究价值.

污水处理系统在实际运行过程中往往会出现进水水质复杂,波动大等情况,而常规实验室监测法固然准确率高,但是效率低,时效性差,这使得系统在线控制滞后,出水水质标准难以保证.为了解决以上污水处理过程中的不确定性,滞后,非线性,出水指标难以在线检测等问题,提出一种利用天牛须搜索算法(beetle antennae search,BAS)优化的支持向量机(SVM)软测量模型.通过利用SVM对污水处理过程建立被控对象的软测量模型的同时,为了提高软测量模型的预测精度,采用BAS对SVM的惩罚因子和核函数参数进行滚动优化.输入数据为污水调节池进水COD、进水NH3-N、溶解氧(DO),输出数据为出水COD.通过BAS优化的SVM建立出水COD的软测量模型,可以实现污水处理过程中COD的软测量.仿真实验结果表明,BAS-SVM软测量模型具有良好的预测性能,能够满足污水处理过程出水COD指标的实际测量要求.

In this work, the problem of predictive control of dissolved oxygen for the activated sludge process model with high nonlinearity and strong coupling is addressed. Firstly, the determination of the structure of fuzzy rules is displayed established upon Activated sludge model 1 (ASM1). Besides, the fuzzy space is divided through the clustering algorithm of fuzzy C-means. The corresponding parameters are estimated by means of the well-known least squares method. Subsequently, a fuzzy predictive model of dissolved oxygen is established by using the historical data. The aim is to design a predictive controller that is capable of performing the online track of dissolved oxygen attributed to better dynamic response and steadier output in different weather. Ultimately, the availability and validity of the developed technique are verified by a comparison example.

针对污水处理系统非线性,滞后性以及强耦合等特性,利用BP神经网络建立系统模型,对溶解氧(DO)浓度进行控制.传统预测控制的滚动优化部分使用的是梯度下降算法,难以获取最优控制增量,基于此问题,利用L-M(Levenberg-Marquardt)算法对神经网络滚动优化部分进行了改进.通过仿真实验,结果表明该方法切实可行.

针对复杂的污水处理过程中化学需氧量(COD)难以实现精准、经济测量这一难题,提出一种出水COD浓度预测的模糊建模方法.基于活性污泥法搭建关于出水COD的模糊预测模型,用模糊C均值聚类算法(FCM)对模型进行结构辨识,采用最小二乘法对模型进行参数辨识,并用烟花算法(FWA)对模型的结构和参数进行优化学习.将污水处理仿真基本模型(BSM1)提供的数据在MATLAB平台进行仿真实验,结果表明,采用烟花算法优化后的模糊预测模型对出水COD的预测精度更高,预测效果更好.

针对污水处理过程出水水质参数难以在线检测这一问题,提出一种基于网格搜索法优化SVM的软测量模型.根据污水处理过程的输入输出数据,选取进水COD、进水NH3-N、溶解氧(DO)作为模型输入,出水COD作为模型输出,采用SVM方法建立出水COD的软测量模型,同时采用网格搜索法对SVM的惩罚因子和核函数参数进行寻优操作,提高软测量模型的预测精度.仿真结果表明,基于网格搜索法优化的SVM软测量模型具有良好的预测精度和泛化能力,应能满足处理过程的需求.

针对港务原料总厂的在线运行基础记录的真实性、实时性和共享性得不到保证这一问题,基于iFIX组态软件设计了PDA数据管理系统.该数据管理系统不仅可以查询设备的历史数据和历史趋势,而且可以将实时数据录入系统,从而生成当天的生产报表.数据库上线运行后,不仅很好地解决了在线运行基础记录真实性、实时性和共享性差的问题,而且在现场出现故障的时候,通过该系统可以很快地查询到出现故障的具体设备,节省了大量的时间,具有一定的实用价值.

针对污水处理是个非线性、时变性、滞后性和不确定性的系统,利用软测量技术以进水化学需氧量(COD)、进水氨氮、进水pH值和曝气池溶解氧(DO)为输入建立RBF神经网络预测模型,并用遗传算法(GA)对RBF神经网络中的中心矢量值C和网络权值W进行优化,来预测出水参数值.以预测得到的出水参数为系统的反馈信号,通过BP神经网络动态优化溶解氧的设定值.最后采用自适应PID控制方法,对溶解氧的设定值进行跟踪优化.仿真结果表明,采用遗传算法优化的RBF神经网络软测量模型对出水COD具有很好的预测效果,基于神经网路的预测、优化和自适应PID控制的溶解氧智能控制系统具有动态跟踪性能好、控制误差小、速度快的优点.

出水COD浓度的精准预测是污水处理期望实现的目标,然而现有的离线模型对大规模时变更新的水质数据,预测效果会逐渐变差.针对该情况,采用离线模型结合增量学习的思想,提出基于在线增量LSSVM污水软测量模型,即首先建立基于LSSVM污水软测量模型,然后针对不断更新的增量样本,通过误差阈值进行筛选,有选择地增量学习,并结合合适的剪枝操作,实现样本长度的固定,对出水COD浓度在线预测.仿真结果表明:相较于标准LSSVM模型,本模型在预测精度、预测时间上,都具备不同程度的优势,很好地解决了离线学习的问题,实现在线精准预测.

钢铁工业为了节能、环保和提高生产效率,在炼钢过程中广泛采用连铸坯生产工艺,连铸坯在凝固和振动过程中出现的波纹形状称之为振痕.振痕的形状特征将直接影响轧制工艺和产品质量,尤其是振痕的宽度和深度.现常用的振痕检测方法是电镜检测,此方法检测速度慢、人为干扰因素大且不利于实现数字化管理.本文采用激光位移传感器快速采集振痕表面的数据信息,通过Labview将信息储存于数据库中,并设计基于信息熵理论的数据分析与处理算法,实现绘制振痕表面的三维图像.

针对出水COD浓度在线检测的困难性,本文在离线污水软测量模型的基础上提出了在线检测的改进,即以最小二乘支持向量机作为基础算法,结合增量学习,并选取粒子群优化算法进行参数寻优,实现对出水COD浓度的在线检测.最终仿真对比分析得出:改进的在线预测相比于原来离线软测量模型,准确性和快速性都有很大程度的提升,真正实现对出水COD浓度的在线准确测量.

According to the characteristics of rural regional pollution sources,such as wide distribution,small scale,independence,a design scheme of remote monitoring and control system of sewage treatment is presented based on the GPRS technology.The scheme provides a technology platform model for the effective management of decentralized sewage treatment systems.The designed system uses S7-200 as the RTU of the wastewater treatment field,where the collected field data information (i.e.,COD,DO,TN,the liquid level and the running state motor and valve) will be transmitted to the monitoring center through the GPRS wireless network.All communication channels of the design system adopt wireless transmission mode without wiring,and consequently,some shortcomings,such as long construction period,higher costs in laying a cable can be largely overcome.What's more,the problem of sewage disposal equipment without guarding in remote areas can also be effectively solved.Hence,a valid BOT scheme for the sewage treatment problem is provided in constructing new villages and improving the level of urbanization.

针对污水处理溶解氧时变、非线性以及设定值难以跟踪控制的问题,提出了一种基于Levenberg-Marquardt算法(LM算法)的溶解氧浓度神经网络预测控制器的设计方法.首先在国际水协会提出的活性污泥1号模型(ASM1)基础上,经过合理的假设和约束,得到简化的溶解氧浓度模型,经过BP神经网络系统辨识和模型预测设计了溶解氧神经网络预测控制器.并采用LM算法改进了BP神经网络,克服了容易陷入局部极小值、收敛速度慢的缺点,提高了神经网络预测精度.仿真结果表明,神经网络预测控制具有很好的自适应性和鲁棒性,提高了溶解氧跟踪控制性能.

污水处理系统由于其系统本身的复杂性和变量之间的耦合性导致系统很难进行线性控制,为了实现对污水处理系统的线性控制,采用逆系统进行解耦,利用支持向量机算法来拟合污水处理系统的逆模型,将拟合得到的逆系统模型与原系统相串联复合成伪线性系统,从而将强耦合的污水处理系统解耦成SISO系统.针对伪线性系统在抗干扰性和鲁棒性方面的不足,将内模控制、逆系统方法以及支持向量机三者结合构成基于SVMα阶逆系统的内模控制方法来增强系统的抗干扰性和鲁棒性.

现如今,我国水资源问题已经成为了人们生活中面临的重要问题之一.各工业废水和生活污水产生量急剧增多,大量没有经过处理的工业废水和城市污水直接排入了河流,使得水源水,特别是地表水体被大面积污染.针对这些的问题,提出了组合预测模型,并在原有模型的基础上提出了新的改进方法.

曝气生物滤池是一种新颖的污水处理工艺,属于生物过滤技术,是利用生长在填料上的微生物有效去除污水中的有机物、氨氮等.出水COD(化学需氧量)浓度是污水排放前需要检测的指标之一,建立对出水COD浓度的预测模型,有助于污水处理控制系统的自适应调节.基于某环保公司的BOT污水处理项目,利用微生物降解污水中有机物的原理建立出水COD浓度的预测模型.仿真结果表明,该模型提高了COD预测精度.

介绍了反激变换器的基本工作原理,给出了在考虑变压器、二极管以及开关管的输出电容等分布参数情况下的变压器模型.当反激变换器工作在断续模式下,分析了这些分布参数对开关管漏源电压波形的影响以及在波形各个阶段不同表现的内在原因.介绍了RCD网络和RC网络,以及他们在押制开关管电压尖峰和吸收分布参数储存的能量方面所起的作用,并通过Saber和Pspice仿真软件进行仿真,结合仿真和实验结果验证了文中分析的正确性与抑制方法的实用性.

面向自动化专业的信号与系统课程教学存在容量大、课时紧张、教材专业性较差等问题.采用思维导图的方法教学,可以优化课时安排、构建学生合理的知识体系,提高教学效果.

针对现有有线污水处理监控系统布线困难、成本高等问题，提出了引入ZigBee技术的应用方案。文章介绍了由西门子S7-200PLC、ZigBee和工控组态软件组成的无线监控系统在污水处理厂中的应用。本文分别对通信组网方法、现场控制端PLC通信程序设计和上位机通信软件设计做出了详细说明。实验表明：系统构建简单，工作稳定可靠，在监控中心通信与控制软件端可以很好地模拟出现场端的实时运行状况。

For pre-denitrification type of biological aerated filters treatment process,the real time detection COD is poor,device of detection is expensive,the traditional PID control to aeration pool oxygen control can not reach the ideal result,so a new control method is proposed,according to different feed water quality,which is using particle swarm algorithm to optimize the support vector machine forecasting the effluent water.Model predicted results show that the predicted value can better match measured value,can use prediction to the follow-up to the process further control.