基于LabVIEW的污水处理过程动态仿真研究

在国际公认的活性污泥1号模型(ASM1)数学方法建模基础上,引入了智能方法,利用增长型模糊神经网络算法建模与数学建模相结合对其进行改进处理,在数学方法建模方法的前提下,借助增长型模糊神经网络算法所具备的模糊和学习功能,对活性污泥处理过程进行建模,获得了能够反映二沉池出水水质的关键水质参数的简化模型。同时,利用LabVIEW软件平台对该改进模型进行验证,通过对污水关键水质参数COD、BOD5等进行仿真实验,证明了该模型系统的有效性。

城市废水生物处理过程的模糊神经网络控制

针对城市废水生物处理系统的复杂性，不确定性和难以建立准确的数学模型的特点，本文提出了一种用Ｂ－Ｐ神经网络来完成规则推理的模糊控制器。仿真结果表明，该系统具有良好的动态性能和较强的鲁棒性与容错性，具有实际工程应用的价值。

变参数活性污泥系统溶解氧的模糊神经网络控制

针对中、小型污水处理厂的实际情况,将活性污泥污水处理系统非线性数学模型转换为参数有界的变参数正则状态方程,并对系统模型进行了可控性与稳定性分析。提出了一个具有三层隐层的模糊神经网络控制器,通过仿真实验表明该控制系统具有很强的鲁棒性与容错性,该控制器能够自动调整隶属度函数、动态优化控制规则,将其应用于活性污泥系统的溶解氧控制可以快速、有效的使溶解氧浓度达到期望值,具有良好的控制性能。

活性污泥污水处理系统的模糊神经网络控制

针对中、小型污水处理厂的实际情况,在对活性污泥污水处理系统机理模型研究的基础上提出一种控制模型。在对系统进行性能分析与综合的基础上,提出了应用于该控制模型的模糊神经网络控制器。通过仿真实验表明,该控制器能够自动调整隶属度函数、动态优化控制规则,将其应用于活性污泥污水系统具有快速性与有效性,比基于规则的传统模糊控制具有更强的鲁棒性,可以获得良好的控制性能。

活性污泥法多变量最优控制的遗传算法实现

针对最优控制传统算法存在的一些问题,着重研究了采用遗传算法在限制有机物排放总量时,使污水处理运行费用最低的最优控制问题,提出了一种新的污水处理最优控制问题的计算方法,提高了计算效率。

模糊控制方法在污水处理厂曝气控制系统中的应用

生物池曝气系统的精细化控制对整个污水处理厂的运行具有重大意义。基于活性污泥法污水处理工艺技术原理,采用模糊控制方法,设计以DO目标值和实测值的偏差及偏差率为输入、以曝气量为输出的污水处理生物池曝气控制系统,并在上海某污水处理厂进行实例应用。结果表明,该控制系统具有较好的容错性和控制精度,可对污水处理生物池DO进行精细化控制,溶解氧目标值和实测值误差在±0.2 mg/L范围内波动,具有良好的控制效果;该控制系统能够为污水处理厂生物曝气过程高效、稳定运行提供指导。

活性污泥法多变量最优控制的遗传算法

针对最优控制传统算法存在的一些问题,着重研究了采用遗传算法在限制有机物排放总量时,使污水处理运行费用最低的最优控制问题,提出了一种新的污水处理最优控制问题的计算方法,提高了计算效率。

基于改进DE算法的造纸污水活性污泥法处理工艺优化控制策略

活性污泥法作为一种常见的造纸污水生物处理工艺,由于处理过程存在多种生化反应相互作用,导致实际运行能耗过高。在分析差分进化算法的基础上,提出了一种改进的差分进化算法,将其应用于造纸污水处理过程优化控制中。该算法通过基于个体适应度的优劣来自适应调整每个个体的缩放因子和交叉概率因子,有效平衡快速收敛和探索鲁棒性的矛盾,从而避免了算法陷入局部最优,实现了全局最优搜索。MATLAB仿真实验表明:与传统定参数控制和基本差分进化算法优化控制相比,改进的差分进化算法在保证出水水质的基础上,能够进一步提高出水水质以及降低运行能耗。