基于多目标麻雀算法的污水处理过程优化控制

为了解决污水处理过程中出水水质和总能耗的多目标优化问题,提出了一种融合多策略的多目标麻雀搜索算法。首先,利用佳点集初始化麻雀种群,使种群分布更均匀,提升搜索空间,并在发现者位置更新公式中引入最优引导策略和动态惯性权重,改善发现者收敛到原点的问题,平衡算法的全局搜索和局部开发能力;其次,为了提升算法的局部逃逸能力,改进警戒者位置更新策略,并对麻雀个体的最优位置进行扰动;最后,在外部存档更新过程中引入种群更新方法,加快算法的收敛速度,增加种群的多样性。实验结果表明,所提算法具有较好的优化性能,有效降低了污水处理过程中的总能耗,并提升了出水水质。

城市污水处理过程污泥膨胀识别与抑制综述

污泥膨胀是活性污泥法污水处理过程中常见的一类异常工况,且具有严重危害性,研究污泥膨胀的识别和抑制方法对城市污水处理过程正常运行意义重大.本文主要针对城市污水处理过程中污泥膨胀的识别和抑制方法进行综述.首先,文章概述了城市污水处理过程,介绍了污泥膨胀的概念、主要特点、类型和成因;其次,概述了基于微生物生理特征、机理模型、图像识别和数据驱动的污泥膨胀识别方法,分析其发展现状并指出优缺点;然后,概述了基于过程调控和机理特征的污泥膨胀抑制方法,分析其发展现状并对比优缺点;最后,总结全文,指出了城市污水处理过程污泥膨胀识别和抑制面临的主要问题,并对其研究趋势进行了展望.

基于自组织递归小波神经网络的污水处理过程多变量控制

污水处理过程(Wastewater treatment process,WWTP)是一个包含多个生化反应的复杂过程,具有非线性和动态特性.因此,实现污水处理过程的精准控制是一项挑战.为解决这个问题,提出一种基于自组织递归小波神经网络(Selforganized recurrent wavelet neural network,SRWNN)的污水处理过程多变量控制.首先,针对污水处理过程的动态特性,根据小波基的激活强度设计一种自组织机制来动态调整递归小波神经网络控制器的结构,提高控制的性能.然后,采用结合自适应学习率的在线学习算法,实现控制器的参数学习.此外,通过李雅普诺夫稳定性定理证明此控制器的稳定性.最后,采用基准仿真平台进行仿真验证,实验结果表明,此控制方法可以有效提高污水处理过程的控制绝对误差积分(Integral of absolute error,IAE)和积分平方误差(Integral of squared error,ISE)的精度.

基于动态种群多邻域MOEA/D的污水处理过程优化控制

针对污水处理过程中以能耗和罚款为对象的多目标优化控制问题,对基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)进行改进,提出基于动态种群的多邻域MOEA/D用于污水处理过程中多目标优化控制。首先,将种群分为3个初始子种群,不同子种群由不同变异策略产生新解,并通过子代进化率对子种群规模进行动态调整,以适应不同进化时期对策略的需求;其次,分析种群在迭代过程中的进化状态,并结合各策略搜索的范围为每种变异策略分配一个邻域,以提升各策略的搜索性能。实验结果表明,该算法的收敛性和多样性相较于传统算法有明显的提升,该算法能够达到对污水处理过程中的目标进行优化的目的。

基于两阶段邻域搜索的污水处理过程智能优化控制

为了更好地平衡污水处理过程中出水水质与能耗的关系,本文提出一种基于两阶段邻域搜索的污水处理过程智能优化控制方法.首先,建立以能耗和出水水质为优化目标的多目标优化模型;其次,提出一种基于两阶段邻域搜索的SPEA2(2-NS-SPEA2)对所建立的模型进行优化,通过对外部档案集中稀疏解的周围进行两阶段邻域搜索,并利用替代策略对外部档案集进行更新,提高算法的优化性能,获得质量更高的硝态氮浓度和溶解氧浓度的优化设定值;最后,利用PID控制器跟踪控制所确定的优化设定值,以保证优化方法的准确实施.污水处理过程运行优化控制实验表明:所提方法能够在保证出水水质满足排放标准的前提下,有效地净化水质、降低污水处理过程中产生的能耗.

城市环境污水处理过程节能优化控制方法探索

本文对城市环境污水处理过程节能优化控制进行讨论与分析,从城市环境污水处理过程节能优化控制的价值性来看,对城市环境污水处理过程节能优化控制,有效降低能源消耗的同时,对于城市环境污水处理条件具有促进意义。目前,我国城市环境污水处理过程造成的能耗成因主要以“自然水资源”“电能资源”“药剂资源”组成,针对污水处理造成的能耗,文章提出了节能优化控制方法,利用生物脱氮技术、反硝化除磷技术实现节能目标,对设备控制模式革新,改进自动化控制系统,基于人工智能技术优化对曝气环节的控制,强化污水处理单元的条件优化工作的同时,提升电气节能优化能力及污水循环利用。

膜生物反应器在污水处理过程中的膜污染控制

在综合国内外大量文献的基础上,阐述了MBR膜污染的类型及其发展过程,针对膜污染的影响因素,提出了防止膜污染维持MBR膜长期稳定运行的主要控制条件、方法及MBR设计的注意事项,总结了当前膜污染最佳的物理化学清洗方法,指出今后要进一步注重高性能膜材料、新型膜生物反应器和工艺条件的研究,为MBR在我国的大规模应用作准备。

基于AWLS-SVM的污水处理过程软测量建模

针对污水处理过程建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用一种全局优化算法——混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立污水处理过程出水水质关键参数的软测量模型,获得了较好的效果。

粗SVM分类方法及其在污水处理过程中的应用

提出一种基于粗糙集理论和支持向量机理论的粗 SVM分类方法 .该方法采用粗糙集属性约简方法以减少属性个数 ,且在属性约简过程中选出几组合适的属性集组成新的属性集 ,使模型具有一定的抗信息丢失能力 ,同时充分利用 SVM的良好推广性能 ,提高了预测分类精度 .对城市污水处理厂运行状态的实验结果表明了该方法的优越性 .

污水处理过程的多目标优化

为了在保证污水处理厂出水质量达标、控制日常运营成本的同时尽量减少温室气体(GHG)的排放,将温室气体的排放纳入了污水处理的性能评价范畴,并与出水质量(EQI)、操作成本指数(OCI)等传统性能评价指标构成了污水处理过程的多目标优化问题。为研究此性能指标的多目标优化问题,构建了简化的污水处理仿真平台BSM2-e,此平台包括初沉池、活性污泥反应器、二次澄清池和浓缩单元。针对多目标优化问题的求解,采用多目标进化算法NSGA-II对该算法的精英选择策略做了改进,算法在拥挤距离选择的基础上增加了筛选步骤,以改善算法的分布性,将该算法应用于BSM2-e多目标优化问题,取得了较好的仿真结果。优化结果表明,GHG排放指标与EQI有冲突,提高出水质量可增加温室气体的排放,而GHG排放指标与OCI无冲突,在不增加操作成本的情况下可有效降低温室气体的排放。

一类污水处理过程水质多模型在线软测量方法

根据污水处理厂入水水质的特征参数进行工况区域分析,基于多模型方法建立了多工况下的水质软测量模型.其中局部模型由Hammerstein模型描述,采用误差反传类稳定学习算法学习非线性增益的多层感知器,采用递推最小二乘法学习线性部分ARX模型参数,根据样本与聚类中心之间的相近度在线修正聚类中心,基于软切换的多模型建模思路提出了出水水质COD的软测量方法.实验结果表明,在线修正聚类中心可反映工况点的动态变化;与实际运行数据进行了对比验证,表明多模型软测量方法具有较高的精度.

基于ESN的污水处理过程优化控制

针对污水处理过程能耗过高的问题,提出了一种基于状态回声网络(ESN)的在线优化控制方法。建立了污水处理过程预测模型,实现性能指标的预测;根据系统的状态以及预测的性能指标,采用ESN实时优化控制变量的设定值;将优化后的设定值传送给底层控制器进行跟踪控制。将ESN优化控制方法在污水处理过程基准仿真模型(BSM1)上进行了验证,实验结果表明,该方法不但能够满足出水水质的要求,而且降低了污水处理过程运行成本。

污水处理过程的递阶神经网络建模

针对污水处理过程的多变量和多非线性子系统的串级结构特点,提出了一种基于活性污泥过程机理的递阶神经网络建模方法.该方法将神经网络与过程机理模型以串级方式连接,以神经网络辨识活性污泥过程模型中的非线性组分反应速率.分析各子过程建模误差的关系,给出了模型的稳定学习算法和稳定性理论分析.最后通过某污水处理厂生化脱氮过程实际运行数据的实验表明所提出的建模方法是有效的.

污水处理过程的模糊神经网络控制

模糊神经网络 (FNN)技术的迅速发展及其理论的不断完善为其在各个领域的应用奠定了基础。分析了 FNN用于污水处理系统过程控制的可行性和必要性。简述了模糊系统和神经网络在污水处理中应用的现状。指出针对不同污水处理工艺建立不同综合 (集成 )智能控制系统是污水生物处理过程控制的主要研究方向 ,同时应加强对污水处理的活性污泥数学模型、通用性预测与故障分析系统、“软测量”

污水处理过程的奇异摄动模型仿真研究

活性污泥污水处理过程是一个多时间尺度的大规模非线性系统。其数学模型非常复杂,不便于进行控制系统的设计。为了从控制和优化的角度促进活性污泥数学模型的应用,以活性污泥一号模型(ASM1)为基础,COST 624 benchmark为平台,采用奇异摄动法并结合灵敏度分析法使系统降维。建立了活性污泥奇异摄动模型。简化后的模型组分、反应过程和参数的数量都少于ASM1。仿真结果表明简化模型与原有模型的动态特性基本一致,证明了该算法的有效性。

城市污水处理过程综合自动化系统及其应用

针对具有综合复杂性的城市污水处理过程自动化程度低、运行成本高的问题,提出了实现污水处理达标率、污水处理量和污水处理成本等综合生产指标优化的综合自动化系统,讨论了由污水处理过程制造执行系统和过程控制系统两层结构组成的污水处理过程综合自动化系统的体系结构、功能和以污水处理达标率为目标的优化控制策略。该系统已成功应用于沈阳某污水处理厂,实现了污水处理过程的优化控制、优化运行和优化管理,取得了显著的应用成效。

非线性污水处理过程的多目标优化

研究了复杂非线性污水处理过程的多目标优化。针对污水处理过程的非线性动力系统,建立了使污水处理过程运行成本和描述实际输出与期望输出偏差的平方可积误差设计指标同时达到最优的多目标优化模型。采用间接优化方法,首先将描述污水处理过程优化的多目标非线性问题转化为多目标线性规划问题,然后利用遗传算法对其进行求解。本文方法不仅获得了多目标优化问题的近似Pareto前沿,而且由于采用的是多目标线性规划方法,所以具有计算成本低的优点。

基于改进FWA-NN的污水处理过程溶解氧浓度预测

为实现对污水处理过程溶解氧质量浓度的实时准确预测,提出了一种改进的混沌烟花混合优化算法并构建了基于改进算法的神经网络在线软测量模型.结合污水处理过程的数据特征,定义了一项新的样本相似度衡量指标用于提取更具代表性的建模数据.在改进算法中,为提高基本烟花算法初始成员的质量,定义了一种改进的两级正弦混沌映射并利用混沌运动的遍历性精选烟花算法的初始群成员;通过融合混沌算法改进了基本烟花算法的搜索机制,基于设定准则将寻优过程分为两阶段并采用两分群同时进行.测试结果表明改进算法的收敛速度和收敛精度有较大程度提高.将改进的软测量建模方法和样本数据提取方法用于污水处理过程溶解氧质量浓度软测量建模,应用结果表明该模型的均方根误差和平均泛化误差分别为0.0175和0.0118,具有较强的泛化性能.

基于FNN的污水处理过程数据丢包补偿方法研究

针对污水处理数据传输过程具有随机丢包的问题,提出一种基于模糊神经网络的数据丢包预测补偿方法。该方法利用模糊神经网络的自适应特点,结合缓冲区、事件-时间混合驱动以及时间标志信息,通过利用已知的数据包预测出当前丢失的数据包,对污水处理过程网络传输丢包数据进行了实时补偿,解决了污水处理数据传输过程的随机丢包问题。实验结果显示,该方法能够有效地实现丢包数据的预测和补偿,与其他方法的比较结果显示该方法具有较好的性能。

城市污水处理过程自适应滑模控制

针对城市污水处理过程时滞导致难以稳定控制的问题,提出一种自适应滑模控制方法 (Adaptive sliding mode control, ASMC).首先,分析推流时滞对城市污水处理生化反应过程的影响,建立时滞影响下的城市污水处理运行控制模型;其次,设计一种基于模糊神经网络的预估补偿模型,完成滞后变量的准确预测,实现控制模型中变量时刻的统一;最后,设计一种具有自适应开关增益系数的滑模控制器(Sliding mode control, SMC),实现溶解氧和硝态氮的稳定控制.将提出的自适应滑模控制方法应用于城市污水处理过程基准仿真平台,实验结果显示该方法能够实现城市污水处理运行过程稳定控制.