基于区间二型模糊神经网络的出水氨氮软测量

针对污水处理过程出水氨氮(ammonia nitrogen,NH4-N)难以实时检测的问题,提出了一种基于区间二型模糊神经网络(interval type-2 fuzzy neural networks,IT2FNN)的软测量方法,建立了出水NH4-N的软测量模型,实现了出水NH4-N的实时检测。首先,采集和预处理相关过程变量的实际运行数据,通过主元分析法筛选出与出水NH4-N相关性较强的过程变量。其次,利用IT2FNN建立所选变量与出水NH4-N的软测量模型,通过梯度下降算法对模型相关参数进行修正。最后,将基于IT2FNN的出水NH4-N软测量模型应用于实际污水处理过程。实验结果表明,提出的出水NH4-N软测量方法不仅能够实现污水处理过程出水NH4-N的实时检测,而且具有较高的检测精度。

基于MPSO-SVM非线性氨氮传感器的数据补偿

针对氨氮传感器在信号采集中容易受待测溶液中pH值和温度影响的问题,采用改进的粒子群优化支持向量机方法(MPSO-SVM)对氨氮传感器进行非线性数据补偿校正,构建了氨氮检测系统。系统预处理分别采用递推平均滤波、IIR数字滤波和卡尔曼滤波3种滤波方式,再将滤波后的数值归一化建立基于支持向量机回归模型。研究结果表明,MPSO-SVM算法支持向量机回归模型回归效果好,线性相关度大,数据补偿后氨氮测量值与真实值误差小,系统测试具有良好的稳定性和补偿效果。

用氨敏电极测定水中氨氮含量方法的探讨

作者系统地研究了用氨气敏电极测定水样中氨氮含量的方法,结果表明加酸调pH<2保存水样,加EDTA消除金属离子干扰,可获得满意效果。方法的回收率范围为90～104％,变异系数≤3.4％,测定范围为10^(-1)～10^(-4)μg/ml,检出限为0.13μg/ml,与纳氏比色法测定结果比较无差异(t=0.3775,P>0.5)。本法所需设备价廉,操作简便快速,结果准确可靠,可直接测定有色或浑浊水作中氨氮含量。

气水比对一体式膜生物反应器的影响

目的为了解决一体式膜生物反应器(IMBR)的曝气能耗,同时为探讨气水比对IMBR中溶解氧(DO)和工艺出水效果的影响.方法利用一体式膜生物反应器装置进行试验,研究气水比对DO的影响和DO对COD与NH3-N去除效果的影响.结果试验证明溶解氧变化速率随污泥质量浓度的下降而升高,在高污泥质量浓度下,溶解氧浓度对氨氮的去除有一定影响,并得出了气水比、溶解氧以及污水处理效果之间的最佳工作点.结论在MLSS分别为4 23g/L,4 09g/L,3 70g/L的运行条件下,MBR的最佳运行气水比相应为35∶1,25∶1,17∶1;DO的变化对COD的去除效果并不显著;在高污泥浓度下,DO质量浓度保持在2 63～4 85mg/L之间时,氨氮的去除率随溶解氧浓度的上升而下降,氨氮去除率良好,但DO质量浓度过低时,氨氮去除效果不佳.

基于模型的柴油机Urea-SCR系统闭环控制策略仿真

针对某型柴油机的尿素选择性催化还原(Urea-SCR)系统,在相关SCR化学反应特性试验的基础上,考虑到NH_3泄漏引起的NO_x传感器交叉敏感问题,采用Matlab/Simulink建立了基于模型的SCR闭环控制策略,主要包括动态床温估算模型、起喷温度控制模型、基于NO_x传感器的原机NO_x排放估算模型、空速计算子模型、目标转化效率修正模型、尿素水溶液换算子模型、NH_3泄漏峰值修正以及储氨修正模型等.在此基础上搭建了基于Simulink和GT-Power的耦合仿真平台,并对SCR控制策略进行模型验证.结果表明:柴油机最终NO_x排放为1.92,g/(k W·h),NH_3泄漏的平均体积分数值为9.26×10^(-6),能达到国Ⅴ排放标准.

利用NO_x传感器的NH_3交叉敏感实现SCR系统闭环控制

介绍了目前常用的氮氧化物(NOx)传感器的测量原理和特性,并以NOx传感器对氨(NH3)交叉敏感这一特性为出发点,设计了基于NOx传感器的氨泄漏量闭环控制器(FBC).比较了4种常见的前馈控制策略,然后针对闭环控制需求对传感器信号进行相应的数值处理,使得信号具有更佳的线性特征,从而能够对排气中的NH3进行有效区分.建立了选择性催化还原(SCR)系统喷射量的闭环控制模型,通过奈奎斯特稳定性判据和试验确定了最终的控制参数,实现了闭环控制的稳定.SCR系统响应性能试验的结果表明:闭环控制策略能够在120,s内完成对干扰的调整.排放测试表明:该闭环控制方法在大多数试验条件下可行,应用此策略的SCR系统在ESC和ETC测试循环下的NOx平均转化效率分别能够达到82.4%和77.3%,NH3平均泄漏量在10×10-6以下.

水体氨氮原位快速检测智能传感器的研制

介绍了氨氮传感器的检测原理,给出了智能氨氮传感器的结构设计和电路设计方法,重点讲述了氨气敏和铵离子传感器的标定算法以及多传感器数据融合算法,并对其性能进行了测试和分析。该智能氨氮传感器是集成了氨气敏、铵离子和pH温度探头的复合传感器,可以用于实现水体氨氮含量的原位快速检测。

远程监控饮用水管网水质低浓度氨氮

水质氨氮是污染分级的敏感参数,针对管网饮用水的低浓度氨氮的昼夜遥测具有方向标的警示作用。水质氨氮浓度检测普遍以纳氏试剂吸收光度分析法为检测依据,然而,该方法采用的短光程光度法,分析灵敏度较低。长光程光度法可以提升在线检测低浓度结果的准确度效果。另外,自动控制笼头水阀实现昼夜实时采样,可进行管网水质氨氮的定时监测,测量的电信号迅速由嵌入式PC机完成统计运算,并通过GPRS及时传输给远程服务器。

制革废水氨氮的快速测定

文章研究了用氨气敏电极测定制革废水中的氨氮,其方法简单、快速、准确,十分适宜大批量、色度高的制革废水氨氮的快速测定。

用于氨氮检测的三维微纳氨气传感芯片及系统研究

该文设计并制备了一种多层微结构的安培型氨气三维微纳传感芯片,并构建了以此微传感芯片为敏感单元的氨氮检测系统,探索了使用安培型氨气微传感器检测氨氮的方法。该微传感芯片采用微纳加工工艺制备,使用聚合物键合工艺在较低温度下实现了微传感器多层结构的封装。使用纳米铱作为传感器的敏感材料,其具有良好的电催化氧化能力,可使传感器具有较高的灵敏度。对Ag/AgCl微参比电极的稳定性进行了考察。使用自行设计的氨氮检测系统对氨氮样品进行检测,对微传感器的时间响应特性、浓度响应特性、重复性及选择性进行了测试和分析。实验结果表明,在0.5~10 mg/L的测试范围内,检测电流与氨氮浓度保持良好的线性,灵敏度为1.62μA/（mg/L）,线性相关系数为0.995,重复性偏差为5.73%。同时,传感器显示出良好的选择性。

微型多参数水质传感器芯片的设计及应用

针对目前水质参数传感器测量功能单一,且受环境温度影响大等问题,提出了一种具有温度补偿功能的多参数水质传感器芯片。该传感器芯片是使用微机电系统(MEMS)技术制造的,芯片表面集成了pH传感器、DO传感器、氨氮传感器和温度传感器。为实现温度补偿,芯片还设计了一种夹心板式蛇形Pt电阻加热器。同时设计了与芯片相适应的微流控测试腔,以实现水样测量。采用有限元稳态热分析对4种加热器热传递过程进行分析,得到合理的芯片结构布局,通过MEMS工艺制作出传感器芯片。采用自制的恒电位仪测试电路,对传感器芯片性能进行了测试。实验结果表明,pH传感器具有0.288 mA/pH的高灵敏度;溶解氧(DO)传感器的灵敏度为2.22μA/(mg·L-1);氨氮传感器的灵敏度为0.1139 mA/(mg·L-1);温度传感器的灵敏度为0.949Ω/℃;加热器的功率和温度变化灵敏度为0.3126℃/mW。与单个水质参数传感器相比,该传感器芯片体积小、坚固耐用,能够同时检测水样的多种参数,且温度补偿效果较好。

基于GA-SVR的海水养殖过程软测量建模

针对集约化海水养殖过程中水体氨氮浓度测量存在投资大、精度低、难以在线检测等问题,提出一种基于遗传算法和支持向量回归相结合(GA-SVR)的氨氮浓度软测量方法。该方法在对水产养殖水质影响因素分析的基础上,首先选取养殖水体中的水温、溶氧量、pH和电导率作为辅助变量,然后利用遗传算法对支持向量机模型中的惩罚参数C和核函数参数g进行寻优,最后采用SVR实现对水体氨氮浓度的预测。将其预测效果与BP、RBF神经网络以及基于网格搜索法的SVR模型进行对比,实验结果表明:基于GA-SVR的软测量方法更利于实现氨氮浓度的精确预测,有助于对海水养殖过程优化控制提供及时指导。

多因素补偿智能水质氨氮传感器设计

针对传统的氨氮传感器只能单一检测水体铵根离子或游离氨,无法满足直接对水中氨氮进行在线精确测量的需求,文中提出一种多因素补偿的氨氮传感器设计方法。该传感器具有铵离子、钾离子、温度和pH四个探头,能同时测量水体中的铵离子浓度、钾离子浓度、温度和酸碱度,排除钾离子对铵根离子电极的干扰,并通过酸碱度和温度得到氨的解离度。利用微处理器对采集到的信号进行分析处理,通过铵离子和钾离子的测量值实现对游离氨的自动测量,最终根据氨的解离度得出水体中氨氮的总量。对设计的传感器进行包括响应时间、重复性误差、温度补偿精度等方面的检验,该传感器检出下限在0.05 mg/L,响应时间和温度补偿精度分别为20 s和±0.06 mg/L,重复性误差和量程漂移分别为2.12%和2.57%。结果表明,基于铵离子选择电极检测水体中氨氮的方法能够准确测量水中氨氮含量。

氨氮分析仪在煤化工污水处理中的应用

煤化工污水具有高氨氮的特性,对氨氮的准确测量是其达标处理的关键因素。探讨了氨氮分析仪的测量原理,比较了两种不同测量方式的优缺点及应用范围。详细介绍了氨氮分析仪在工程设计中应考虑的因素。介绍了氨氮分析仪在煤化工污水处理装置中的几个应用案例。

基于模糊神经网络的出水总磷和氨氮软测量方法研究

针对污水处理运行过程的重要指标出水总磷(Total Phosphorous,TP)和出水氨氮(Ammonia Nitrogen,NH4-N)难以实时测量的问题,文中提出了一种基于模糊神经网络的多变量软测量方法。首先,利用主元分析法对污水处理过程运行数据进行分析,获得TP和NH4-N的相关主元变量;其次,设计了一种基于模糊神经网络的多输入多输出软测量方法,利用自适应二阶算法对模型参数进行调整,提高了软测量方法的精度;最后,将设计的软测量方法进行封装,并将其应用于污水处理过程中试平台。实验结果表明:基于模糊神经网络的软测量方法能够同时实现TP和NH4-N的实时测量,并且具有较好的测量精度。