结合神经网络和遗传算法的脉冲参数寻优与灭藻实验研究

摘要

循环冷却水系统是工业生产中大型设备进行换热所必不可少的附带设备，由于循环冷却水中适宜的环境条件导致细菌和藻类大量繁殖，造成了大量生物粘泥和设备腐蚀的问题，严重影响了设备的换热效率。因此，对循环冷却水系统中的微生物进行杀灭是一道重要的工序。
　　目前，国内外研究大多集中在高压低频脉冲对细菌的杀灭作用上，而对高频低压脉冲对微生物的杀灭作用研究较少。另外，电磁脉冲对微生物的杀灭作用尚无统一的电磁参数，有必要采取合适的方法来进行电磁参数寻优。
　　本文主要研究工作如下：
　　①对目前常用的两种人工智能算法——遗传算法和神经网络进行了系统的介绍，并从理论和实践上证明两种算法结合的有效性。通过遗传算法的全局寻优能力来优化BP神经网络的初始权值和阈值，从而提高神经网络的预测精度；结合BP网络良好的非线性映射能力以及遗传算法的全局寻优能力，来解决复杂系统的参数寻优问题。文中完成了程序编制，也通过对复杂非线性函数的仿真分析加以验证。
　　②利用实验室已有设备，开展了高频低压电磁脉冲的灭藻实验研究。由于叶绿素a含量是衡量水质的一个重要指标，与水体中藻类的数量呈正相关，因此本文将水体叶绿素a含量的变化率代替灭藻率来使用。本文通过正交实验设计，以电压U、频率P和处理时间T三个参数作为控制变量，用manta2水质分析仪检测相应的灭藻率，共开展了50组实验。实验结果表明高频低压电磁脉冲的灭藻效果明显。通过对实验数据进行方差分析，得到三个控制变量对灭藻率的影响程度为：处理时间对灭藻效果的影响最大最明显，电压次之，最后是脉冲频率。
　　③以实验数据作为神经网络的学习样本，GA优化BP神经网络初始权值和阈值来建立灭藻率的预测模型，仿真结果表明模型预测精度在7％以内；最后，GA结合灭藻率预测模型进行电磁参数寻优，得到的最佳参数组合为：U=66V、P=204KHz、T=76 min。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 本课题主要研究内容

2 神经网络与遗传算法基本理论

2.1 人工神经网络

2.2 遗传算法

2.3 本章小结

3 BP神经网络和遗传算法的融合应用

3.1 BP神经网络与遗传算法的结合方式

3.2 遗传算法优化BP神经网络的初始权值和阈值

3.3 遗传算法结合BP神经网络预测模型进行极值寻优

3.4 本章小结

4 高频电磁脉冲灭藻实验与结果分析

4.1 实验装置

4.2 实验方法

4.3 实验结果与分析

4.4 本章小结

5 灭藻率预测模型的参数寻优

5.1 GA优化BP灭藻率预测模型

5.2 遗传算法结合灭藻率预测模型进行电磁参数寻优

5.3 本章小结

6 结论与展望

6.1 本研究主要内容和结论

6.2 未来工作展望

致谢

参考文献

附录

作者在攻读学位期间发表的论文目录