学位论文 > 优秀研究生学位论文题录展示
智能控制在污水处理中的应用研究
作 者: 黄兴格
导 师: 张秀玲
学 校: 燕山大学
专 业: 控制理论与控制工程
关键词: 污水处理 BP网络 RBF网络 Elman网络 优化 模型参考自适应控制 遗传算法
分类号: TP273.5
类 型: 硕士论文
年 份: 2009年
下 载: 210次
引 用: 3次
阅 读: 论文下载
内容摘要
随着经济的快速发展,环境问题日益突出,尤其是水环境的变化,严重影响着人们的身心健康,已经成为城市可持续发展的制约因素,因此污水处理是城市建设急需解决的重要问题。本文在现有文献的基础之上,对污水处理的智能控制方面做了一些工作。本文首先针对污水处理中一些关键的水质参数不能在线测量的问题,提出软测量技术。然后,根据污水处理系统的非线性和过程建模难的特点,选取神经网络来构建污水处理软测量模型。在文章的最后,提出一种基于神经网络的模型参考自适应控制(NNMRAC)策略,实现了对污水处理的闭环控制。在用神经网络建立污水处理软测量模型方面,分别建立了基于BP网络和Elman网络的污水处理软测量模型,并通过样本数据对各网络进行了仿真,分析了各网络的性能。然后,为解决神经网络存在的拓扑结构难以确定和缺少高效的学习算法的问题,针对Elman网络用遗传算法进行权值和阈值的优化,从仿真结果可以看出网络的泛化能力很好,精度也很高。在本文最后一章建立了基于神经网络模型参考自适应控制(NNMRAC)的污水处理系统,它既不依赖被控对象精确的数学模型,又能根据被控对象参数和环境的变化调整控制器。系统的辨识器部分采用Elman网络,控制器部分采用RBF网络,并用遗传算法对辨识器和控制器网络的权值和阈值进行了优化。从仿真结果看,该系统的学习速度快、训练精度高。
|
全文目录
摘要 4-5 Abstract 5-9 第1章 绪论 9-14 1.1 课题的研究背景 9-10 1.2 神经网络的发展与现状 10 1.3 污水处理控制的研究现状及存在的问题 10-12 1.4 课题的研究意义 12 1.5 课题来源及预期研究结果 12-13 1.6 研究内容及论文结构 13-14 第2章 活性污泥污水处理法及常规控制方法 14-20 2.1 活性污泥法的提出与发展 14 2.2 活性污泥处理系统 14-15 2.3 活性污泥净化过程 15-17 2.3.1 初期吸附去除 16 2.3.2 微生物的生长 16 2.3.3 氧气传递 16-17 2.3.4 微生物的代谢 17 2.4 污水处理系统常规控制方法 17-19 2.5 本章小结 19-20 第3章 神经网络控制与遗传算法 20-30 3.1 神经网络简介 20 3.2 径向基函数(RBF)网络 20-23 3.2.1 RBF 网络的结构 21-22 3.2.2 RBF 神经网络的学习算法 22-23 3.3 误差反传(BP)网络 23-27 3.3.1 BP 神经元模型 24-25 3.3.2 BP 学习算法 25-27 3.4 遗传算法(GA) 27-29 3.4.1 遗传算法的基本思想 28 3.4.2 遗传算法的运算过程 28-29 3.5 本章小结 29-30 第4章 神经网络在污水处理软测量建模中的应用 30-53 4.1 引言 30-31 4.2 软测量技术 31-32 4.3 污水处理中控制对象的选择 32-33 4.4 基于BP 神经网络的污水处理软测量模型 33-38 4.4.1 BP 神经网络污水指标软测量模型的建立 33-35 4.4.2 仿真研究 35-37 4.4.3 BP 网络模型分析 37-38 4.5 基于Elman 神经网络的污水处理软测量模型 38-43 4.5.1 Elman 神经网络污水处理软测量模型的建立 38-40 4.5.2 仿真研究 40-42 4.5.3 Elman 网络模型分析 42-43 4.6 基于GA-Elman 神经网络的污水处理软测量模型 43-52 4.6.1 神经网络与GA 结合的必要性 43-45 4.6.2 GA 与Elman 神经网络的结合 45 4.6.3 GA 参数的选择 45-48 4.6.4 GA 优化Elman 神经网络的步骤 48-49 4.6.5 仿真研究 49-52 4.7 本章小结 52-53 第5章 NNMRAC 污水处理系统设计 53-65 5.1 引言 53 5.2 神经网络模型参考自适应控制(NNMRAC) 53-55 5.3 污水处理系统 55-57 5.3.1 控制对象的选择 55-56 5.3.2 控制思想与控制要求 56-57 5.4 NNMRAC 污水处理控制系统的设计 57-64 5.4.1 RBF 神经网络控制器 58-59 5.4.2 RBF 神经网络控制器学习算法 59-60 5.4.3 GA 优化RBF 神经网络控制器 60-61 5.4.4 Elman 神经网络辨识器 61-63 5.4.5 GA 优化Elman 神经网络辨识器 63 5.4.6 仿真研究 63-64 5.4.7 NNMRAC 系统性能分析 64 5.5 本章小结 64-65 结论 65-66 参考文献 66-70 攻读硕士学位期间承担的科研任务与主要成果 70-71 致谢 71-72 作者简介 72
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 超声波钎焊填缝及钎缝优化工艺研究,TG454
- 曲拉精制干酪素褐变因素及工艺优化研究,TS252.5
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 常温低温组合密封结构的有限元分析与优化设计,TH136
- 陀螺稳定吊舱控制系统稳定回路设计与研究,V241.5
- 涡轮S2流面正问题气动优化设计研究,V235.11
- 基于蚁群算法的电梯群优化控制研究,TU857
- 中心回燃式燃烧室燃烧特性研究,TK223.21
- 内置式高效永磁同步电机的设计研究,TM341
- 内点法在大型电力系统无功优化中的应用研究,TM714.3
- 轴向磁通感应子式高温超导电机的基础研究,TM37
- AVS视频解码器在PC平台上的优化及场解码的改善,TN919.81
- 多重ANN/HMM混合模型在语音识别中的应用,TN912.34
- AES算法及其DSP实现,TN918.1
- 多层卫星网络稳定性设计研究,TN927.23
- 电视制导系统中视频图像压缩优化设计及实现研究,TN919.81
- 海量多数据库集成系统的查询处理研究,TP311.13
- 米曲霉FS-1脂肪酶发酵优化、分离纯化与酶学特性的研究,TQ925.6
- 大红山铁矿井下人员跟踪定位系统的优化研究,TN929.5
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 自动控制、自动控制系统 > 计算机控制、计算机控制系统
© 2012 www.xueweilunwen.com
|