污水处理过程的自组织神经网络建模及仿真研究

摘要

污水处理系统是一个复杂的开放式环境系统。活性污泥法污水处理是目前世界上应用最为广泛的污水处理方法。由于污水处理系统进水水质、水量的剧烈变化，以及微生物生长的复杂性，污水处理过程具有多变量、强非线性、强耦合、大滞后、不确定性和大时变性等特点，使得活性污泥法污水处理过程的建模相对落后，从而限制了污水处理的发展。神经网络能够根据对象输入/输出的数据直接建立模型，不需要对象模型的先验知识及复杂的数学公式推导，因此，神经网络可以在复杂对象建模过程中发挥巨大作用。为了提高对污水处理系统实时预测和控制的能力，建立适用于不同情况的污水处理模型，本文提出了满足以上要求的增长型自组织神经网络模型。本文在深入分析现有研究成果的基础上，对结构自组织的神经网络进行了研究。主要内容如下： ⑴提出一种增长型神经网络自组织算法，应用该算法实现神经网络的结构自组织，通过非线性函数逼近实验证明该算法不但可以动态获得更简单合理的网络结构，而且能保证较好的性能。 ⑵将基于该自组织算法的增长型自组织神经网络应用于污水处理过程建模。建立了污水处理系统关键水质参数模型，解决了水质参数难以在线测量的问题，通过仿真实验证明了该水质参数预测方法的有效性。 ⑶基于LabVIEW软件平台开发了活性污泥法污水处理过程动态仿真系统，较为完整地模拟了污水处理过程的动态特性，从而为污水处理系统控制提供了依据。

目录

文摘

英文文摘

声明

第1章绪论

1.1论文背景及研究意义

1.2活性污泥法污水处理过程及其模型的研究现状

1.2.1活性污泥法污水处理过程概述

1.2.2污水处理过程数学模型的发展

1.2.3污水处理过程智能模型的发展

1.3课题来源与主要研究内容

第2章污水处理过程及其数学模型

2.1活性污泥法污水处理系统

2.2活性污泥系统的相关参数

2.2.1主要水质参数

2.2.2运行控制参数

2.2.3出水水质标准

2.3活性污泥污水处理过程数学模型

2.3.1微生物生长方程的推导

2.3.2曝气机理

2.3.3数学模型

2.4本章小结

第3章增长型自组织神经网络结构算法

3.1神经网络基础

3.1.1神经网络的发展

3.1.2神经网络的特性

3.1.3神经网络的学习

3.2神经网络结构自组织的算法研究

3.2.1自组织神经网络概述

3.2.2神经网络自组织结构研究现状

3.2.3神经网络拓扑结构设计算法分类及分析

3.3增长型自组织神经网络

3.3.1增长型自组织神经网络的结构

3.3.2增长型自组织神经网络算法

3.3.3仿真实验

3.4本章小结

第4章自组织神经网络在污水处理建模中的应用

4.1基于自组织神经网络的水质参数预测模型

4.1.1输入输出变量的确立

4.1.2样本数据的选取和预处理

4.1.3水质参数预测模型的建立

4.1.4水质模型仿真实验

4.2基于自组织神经网络的溶解氧模型

4.3本章小结

第5章活性污泥法污水处理过程仿真软件开发

5.1虚拟仪器LabVIEW介绍

5.1.1虚拟仪器概述

5.1.2 LabVIEW介绍

5.1.3 LabVIEW应用程序设计方法

5.2污水处理过程仿真系统设计

5.2.1一级处理部分

5.2.2曝气池部分

5.2.3二沉池部分

5.2.4污泥回流系统

5.2.5污水处理过程仿真系统主程序

5.2.6仿真实验结果

5.3本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢