ANFIS在混凝投药前馈控制器中应用的仿真研究

在水处理中混凝投药前馈控制器的应用效果好坏关键在于控制器是否对混凝投药过程具有良好的模型辨识能力,传统的控制器效果都不太理想,而且存在沉淀池出水浊度波动大,药剂浪费严重等问题。为了解决该问题,介绍了一种用多层前馈神经网络优化模糊逻辑系统的自适应模糊推理系统——ANFIS。它具有良好的非线性函数逼近能力,在ANFIS投药前馈控制器的设计中,运用减法聚类对样本数据进行空间划分,获取初始模糊隶属函数和模糊规则,得到ANFIS模型的初始结构。用烧杯试验历史数据进行了仿真验证,并与传统的回归模型前馈投药控制仿真比较,结果表明ANFIS投药前馈控制模型明显优于回归模型,它能够根据原水水质适时有效预测混凝投药量。

双前馈无模型自适应控制在混凝加药中的仿真

水厂混凝加药过程具有非线性、时滞性等特点,并且影响加药后混凝效果的因素很多,很难准确地建立反应过程的数学模型。无模型自适应控制(MFAC)是一种不需要离线建立数学模型的先进控制方法,非常适用于实际的模型参数难以辨识,且是时变的非线性系统。针对混凝加药过程的特点,提出了带有双前馈无模型自适应控制方案来实现混凝加药过程的仿真,仿真结果表明该方法在混凝加药控制过程具有鲁棒性强、响应速度快和控制精度高的优点。

预测控制和前馈控制在混凝投药中的应用

针对自来水厂混凝投药过程存在的时滞、非线性等特点,研究混凝投药的工作原理,分析水处理系统实际的生产数据后,提出一种混凝投药控制方案。该控制方案采用流量比例前馈控制与预测控制相结合,实现对混凝投药的复合控制。实验仿真结果表明,提出的预测控制有效实现了混凝投药量的大小控制,再结合比例前馈控制方法,使投药量能够实时在线地根据原水水质的情况进行及时调整。

净水厂混凝投药模糊控制方法

本文结合净水厂工程实例介绍水厂混凝投药模糊控制方法。该方法能够解决水厂混凝剂投加控制系统中存在的非线性、时滞性和模糊性问题,从而实现现场混凝投药自动控制。以一个单点模糊控制器的工作原理为例说明了混凝投药模糊控制系统中的核心技术的设计原理。本文提出的方法经工程实践取得了预期成效。

基于GA-BP网络混凝投药系统预测模型的研究

针对BP网络建模易陷入局部极小、收敛速度慢等缺点,建立GA-BP网络预测模型,为混凝投药系统生产指导提供决策依据。利用遗传学习算法具有全局寻优的特点,同时优化BP网络的初始权值和网络结构,建立GA-BPNN混凝投药的预测控制模型。通过算法比较和模型仿真结果分析,GA-BP混合模型较BP模型收敛速度快,其平均预测相对误差仅为9.94%,预测精度远高于BP模型。表明GA-BP模型可以有效、可靠地用于混凝剂投加量预测控制系统的生产指导中。

关于净水混凝投药控制器系统的设计

出水浊度是净水混凝投药过程的重要指标,由于过程受多变量影响,且滞后时间较长,故工业控制中常用的反馈控制器无法实现对出水浊度的精确控制。为了将出水浊度控制在设定的范围内,并且有效地减少投药量,设计了一种基于小脑神经网络的前馈控制器,并应用于混凝投药控制系统。同时,为了提高CMAC神经网络的泛化能力和学习精度,提出了感知器和权值地址的隶属度的概念,对CMAC神经网络的映射过程做出了改进。仿真结果表明,前馈控制器将出水浊度有效地控制在设定的范围0.7～0.9NTU内,并且实现了投药量的优化。表明前馈控制器具有较强的实际应用价值。

PLC混凝投药复合控制系统的设计

针对水厂混凝投药过程的非线性、时滞性等特点,设计了混凝投药控制系统。该系统采用流量比例前馈控制与模糊自整定PID串级控制的复合控制策略,以西门子S7-200 PLC作为处理器核心。介绍了系统的工作原理、控制算法设计、硬软件实现方案。Matlab仿真结果表明,模糊自整定PID串级控制系统的超调量、调节时间和抗干扰能力明显优于常规PID串级控制;此外,由于系统增加了流量前馈控制,使加药量能随原水流量变化及时得到调整。

前馈神经网络在水厂混凝投药中的应用

为了解决自来水生产过程中混凝投药量难以控制的问题,提出了一种将神经网络前馈控制与反馈控制相结合的控制策略。神经网络前馈控制器采用三层结构的BP神经网络模型,输入层神经元分别是原水的流量、浊度、温度、pH值及浊度的设定值,输出层神经元为混凝投药量。反馈控制采用传统PID控制。实践证明了该控制策略能有效降低出水浊度,并减少了投药量。

BP神经网络在水厂预测混凝投药量中的应用研究

建立了一种基于三层结构BP神经网络的混凝投药量前馈控制模型,采用烧杯试验数据进行了仿真验证,同时建立了传统的线性回归混凝投药量前馈控制模型,并采用两种模型基于同一样本数据进行仿真。从投药预测值-实际值的对比图和均方根误差等可以看出,BP模型优于回归模型,它通过学习可以根据原水水质进行投药量的有效预测,有一定的自适应性,实用性较强,但也存在一定的局限性,对某些水质的投药预测值还存在一定误差。

一种水处理混凝沉淀投药控制系统——赫俊国，王军栋，齐维贵．CN101164651

本发明涉及一种水处理混凝沉淀投药的控制系统。它克服了前馈控制很难对出水浊度的变化做出快速响应以及单因子闭环控制抗干扰能力差的缺陷。它由反馈比较器、前馈比较器、反馈控制器、前馈控制器、浊度仪、投药泵、原水浊度检测仪和原水流量监测仪组成，浊度仪的输出端连接第一比较器的负相输入端，

基于模糊算法的多小脑神经网络在混凝投药系统中的应用

净水工艺中的混凝投药是一个受多变量影响的非线性系统,无法建立准确的数学模型,且滞后时间较长。为了将混凝投药后的出水浊度控制在设定的范围内,并且有效地减少投药量,通过对混凝投药过程的分析,设计一种基于模糊算法的多小脑神经网络(CMAC神经网络)前馈控制器,并设计控制器离线建模和在线学习的方法。最后使用MATLAB进行仿真验证,结果表明,该前馈控制器能够在原水浊度和原水温度变化的情况下,有效地将浊度控制在设定的范围内,并且能够实现投药量的优化。

净水厂最佳投药量的神经网络控制系统

混凝剂的投加是净水厂水处理工艺的重要环节 ,本文通过对目前水厂实际运行过程中混凝剂投加量的影响因素的分析 ,利用神经网络预测理论 ,建立了净水厂混凝剂投加量的预测模型 ,并利用该模型对某水厂的实际运行情况进行了预测 ,对网络预测模型的性能进行了验证。结果表明 ,该模型具有很强的自学习性、自适应性和容错性 ,依靠网络的在线自学习 。

水处理中线性回归和BPNN预测混凝投药量的比较

BP神经网络和线性回归模型是混凝投药前馈控制中2种不同的预测混凝投药量的方法。分别用这2种方法建立了混凝投药量前馈控制模型,并基于同一样本数据进行仿真比较。结果表明,该3层结构BP模型通过学习可以根据原水水质进行投药量的有效预测,优于传统的线性回归模型,具有较强的自适应性和实用性。但对某些水质的投药预测值还存在一定误差。

MFA与PID控制器的实验比较研究

介绍了自来水厂混凝投药过程的时变性、大时滞性等复杂特点,指出实现其自动控制的难点。针对这些难点,进行了抗滞后无模型自适应控制器(MFA)的实验研究,并与传统的PID控制器进行了比较。结果表明,MFA有较强的鲁棒性,在过程参数变化较大的情况下,仍能保持控制系统的稳定性与较好的控制性能,比传统PID控制器有着明显的优越性。

水厂絮凝药剂自动投加的研究及应用

水处理混凝投药过程复杂及具有源水水质扰动可测的特点，提出基于非线性回归预测模型带可测扰动前馈补偿的预测函数控制算法。为了抑制混凝投药变频调节的二次干扰，提出预测函数控制与PID相结合的双环控制模式。在水厂的现场运行表明对浊度控制具有良好的性能。