基于改进多目标布谷鸟算法的污水处理优化控制方法

针对如何确定污水处理优化控制中关键变量的最优设定值,以满足出水水质达标的同时尽可能降低能耗的问题,提出一种基于改进多目标布谷鸟算法的污水处理多目标优化控制方法.首先,通过对污水处理过程的分析,建立基于神经网络的污水处理能耗和出水水质模型;其次,利用改进多目标布谷鸟算法同时对污水处理能耗和出水水质模型进行优化,得到溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对关键变量的最优设定值进行跟踪控制,实现污水处理过程的多目标优化控制.仿真实验结果表明,与其他几种方法相比,所提出的方法在保证出水水质参数达标的前提下,更好地降低了污水处理过程的能耗,实现节能降耗和保护环境的目的.     

氨氮动态优化控制系统在污水厂的应用效果

氨氮动态优化控制系统是采用控制器算法,将氨氮作为控制目标对溶解氧进行设定,实现溶解氧的设定由静态变动态控制,并形成了基于氨氮动态优化的溶解氧控制系统。与传统的人工方式设定溶解氧设定值相比,氨氮优化控制系统根据出水氨氮浓度设定值,自动计算溶解氧设定浓度和曝气量,在保证出水氨氮达标的基础上,优化曝气运行控制,降低曝气能耗,生化池好氧区实现了"按需曝气"的目的,从而缓解回流硝化液中溶解氧浓度过高对反硝化过程的抑制,提高脱氮效率。     

神经网络预测控制在污水处理溶解氧控制中的应用

针对污水处理过程溶解氧浓度时变设定值难以控制的问题,提出一种溶解氧浓度的神经网络预测控制器设计方法.首先,在活性污泥法污水处理过程通用机理模型基础上,利用系统的输入、输出数据,采用递推学习更新模式,通过三层BP神经网络训练出系统神经网络逼近模型.然后,设计满足出水水质指标的溶解氧约束预测控制器.在考虑溶解氧测量白噪音干扰和进水流量发生阶跃变化情况下,将所设计的控制器用于污水处理溶解氧浓度的时变设定值跟踪控制.仿真结果表明:与传统PID控制器相比,神经网络预测控制器能够显著提高溶解氧跟踪控制性能,具有更好的自适应性和抗干扰能力.     

基于Copt-aiNet的污水处理过程优化控制

污水处理是一个复杂的动态反应过程,针对如何确定优化控制中关键变量的动态最优设定值,使满足出水水质排放达标的同时降低运行能耗的问题,提出了一种基于人工免疫算法Copt-aiNet(组合优化的人工免疫网络)的污水处理控制策略.首先,利用Copt-aiNet确定第二分区溶解氧质量浓度和第五分区硝态氮质量浓度的最优设定值;再利用控制器跟随最优设定值,对氧传递系数和内回流流量进行控制,进而对曝气能耗和泵送能耗同时进行优化;最后,在仿真平台BSM1上进行仿真实验,结果验证了本文控制策略的有效性,可以在保证出水水质达标的前提下有效降低能耗.     

基于AIA-TSFNN的溶解氧浓度控制方法

针对污水处理过程中溶解氧(DO)浓度的控制具有时变、非线性以及设定值难以跟踪的问题,提出了一种基于人工免疫算法的TS模糊神经网络(AIA-TSFNN)控制方法.首先利用TS模糊神经网络的自学习能力设计了控制器;然后采用人工免疫算法作为TS模糊神经网络的学习方法,对网络的中心值、宽度值以及连接权值进行在线优化,以保证控制器的收敛性,提高控制精度;最后在国际基准仿真平台BSM1上进行实验验证,仿真结果表明,所提方法具有较好的自适应性和鲁棒性,提高了溶解氧的跟踪控制性能.     

电化学氧化法除氨氮的影响因素

研究了电化学氧化法除氨氮(NH3-N)的影响因素.结果表明:电化学氧化过程中,氨氮去除速率与氨氮的初始浓度无关;随着电流密度的增大,氨氮去除速率和能耗增加;高Cl-浓度或中性条件有利于氨氮的去除.城市污水处理实验表明,电解4 h后,初沉池出水处理后氨氮浓度从26.8降为6.1 mg.L-1;二沉池出水处理后氨氮浓度从19.9降为0.1 mg.L-1,优于I类地表水环境质量标准.     

基于DE-BP算法的模糊神经网络控制器及其在污水处理溶解氧浓度控制上的应用

针对污水处理过程这一多变量、强耦合的复杂非线性系统,提出了一种基于差分进化算法的模糊神经网络控制方法,并应用于污水处理过程溶解氧浓度的控制。首先利用差分进化(DE)结合BP的混合算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力,对参数进一步在线调整。将所提出的控制器用于污水处理BSM1仿真平台的溶解氧浓度控制,控制性能优于常规的模糊控制器,仿真结果表明了该控制策略的有效性。     

活性污泥法优化控制──溶解氧浓度对运行费用的影响

在现有的关于活性污泥法最优控制研究的基础上，　以溶解氧浓度为控制变量，以出水水质为约束条件，以运行费用为性能指标，对多变量最优控制问题进行了探讨。建立了最优控制所必要的基本状态方程与性能指标的泛函表达式，通过计算研究了在满足同一出水质量前提下控制不同的溶解氧浓度时所需要的运行费用。运算结果表明，溶解氧浓度为１．２ｍｇ／Ｌ时所需运行费用最少，这与传统观点的活性污泥法应当维持溶解氧浓度大于２．０ｍｇ／Ｌ相比相差较大，说明将最优控制引入水处理工程，将产生很大的经济效益。     

污水处理过程中模糊自适应广义预测控制方法

污水处理是一个复杂的生化反应过程,具有高度非线性、强耦合、不确定性等特点.本文以基于活性污泥1号模型(ASM1)的污水处理benchmark为研究对象,采用模糊模型描述污水处理过程,利用自适应辨识策略提高模型的精确度,以模糊自适应模型作为预测模型,提出了污水处理过程模糊自适应广义预测控制方法.仿真结果表明:采用的模糊自适应预测控制方法能有效地控制出水水质.     

基于自适应模糊神经网络的污泥膨胀智能检测方法

污水处理是一个运行机理复杂,影响因素众多的非线性过程,一旦发生污泥膨胀,会影响泥水分离效果,导致出水水质恶化.为了实现污泥膨胀的在线准确检测,提出一种基于 自适应模糊神经网络的智能检测方法(AFNN-ID),实时获取污水处理过程中污泥膨胀的动态特性;设计一种基于检测模型误差的多指标评价策略,实现了污水处理过程污泥膨胀状...     

一种精确曝气控制系统的设计与应用

污水处理过程中,曝气池内的溶解氧质量浓度是决定污水处理效果的关键因素。运用ICA技术(即仪表、控制和自动化)对污水处理厂曝气环节进行设计。在出水水质稳定达标的前提下,通过对溶解氧质量浓度精准的自动调节,最大化的减少能源消耗和工人的劳动强度。     

油田采油污水处理的溶解氧浓度PID控制稳定参数域综合

油田采油污水采用活性污泥法工艺进行处理,活性污泥法的净化反应是一个耗氧过程,决定其处理效果的关键因素是生化池中的溶解氧浓度(DO值).以污水处理过程中曝气池中溶解氧(DO值)浓度为被控量,研究了污水处理过程PID溶解氧浓度控制器的综合问题,基于图解法给出了PID溶解氧控制器的完整稳定参数域,且该稳定条件是充要的,无保守性,对PID溶解氧控制器参数的选取具有重要指导意义.     

神经网络动态规划在溶解氧控制中的应用

针对污水处理过程溶解氧质量浓度控制问题,提出一种基于神经网络动态规划的控制器设计方法.该方法不需要建立污水处理过程的非线性动力学模型,控制器的设计只需要系统的输入、输出观测信息.控制器设计采用评价—行动的思想,策略的评价值及最优行动分别采用两个回声状态网络逼近,给出评价网络的收敛条件.对污水处理过程溶解氧的控制试验结果表明,与常规PID控制相比,神经网络动态规划控制器能够有效提高控制精度,抑制干扰能力也明显增强.     

低溶解氧条件下活性污泥污染物同步去除效能

为了降低能耗,节约污水处理的成本,同时达到同步去除碳、氮、磷的效能,采用低溶解氧污泥微膨胀SBR工艺过程进行实验研究.采用污泥微膨胀SBR工艺过程使水样处于低溶解氧状态,MLSS在2 000～3 000 mg/L之间.同时,测定控制过程中不同时间点的水样中的氨氮质量浓度、溶解性正磷酸盐含量以及COD值.结果表明,在低溶解氧SBR工艺过程中,COD去除率达到90%,正磷酸盐去除率达到58%,氨氮去除率达到83%.由此可见,采用低溶解氧污泥微膨胀法处理污水的方法能够有效实现同步去除碳、氮、磷的目的.     

基于模糊PID控制及光纤总线的污水处理监测系统研究

针对目前污水处理监测系统结构复杂、数据传输速率低、电磁兼容性差等问题,提出了一种基于模糊PID控制及光纤总线的污水处理监测系统解决方案。介绍了基于光纤总线的网络监测系统结构,并对光纤总线接入、监测系统设计、数据模糊PID控制器及算法等进行了详细的论述。模糊PID控制算法较常规PID控制算法的响应曝气量或溶解氧有所提高,可增强系统的抗干扰能力,提升系统的鲁棒性和自适应能力。通过对溶解氧的控制仿真,表明该系统具有动态性能好、稳态精度高等特点,为污水处理过程控制及其他类似复杂控制提供了一种有效的途径。     

污水处理曝气过程中溶解氧浓度智能控制系统

基于城市生活污水问题,开展活性污泥法溶解氧浓度的智能控制研究。从污水处理的工艺流程出发,利用PLC与现场总线相结合建立自动化污水处理系统,采用PLC控制器为核心的自动污水处理系统,利用现场总线实现与中控室PC机实时通信的功能,控制溶解氧浓度维持恒定,提高污水处理的效率,促进污水处理系统智能控制、动态监控等多方面的全面发展。     

猪场废水厌氧消化液好氧后处理过程亚硝化/硝化调控因素研究

采用序批式反应器（SBR）进行猪场废水厌氧消化液好氧后处理,研究后处理过程中亚硝化／硝化调控因素．在厌氧消化液中配入原水比例10％-30％（V／V）的试验中,配水比例越低,反应体系pH值越低,出水氨氮浓度越高,亚硝化率也越高．在曝气量100L／h-260L/h的条件下,曝气量越大,出水氨氮浓度越低,亚硝化率也越低．一个运行周期的监测数据反映出：曝气结束时氨氮浓度和溶解氧是影响硝化进程的主要因素．只要将曝气控制在氨氮刚好氧化完全时停止,即使大的曝气量也能达到高的亚硝化率（87％以上）,用硝化过程动力学常数能很好解释这种现象．在进水氨氮浓度524937mg／L范围内,进水氨氮浓度越高,出水氨氮浓度越高,但是亚硝化率平均值都在75％左右,说明进水NH3-N浓度对亚硝化率没有影响．试验结果表明：通过调控出水氨氮浓度和溶解氧可以将硝化进程控制在亚硝化阶段．     

基于PSO优化LSSVM的出水BOD5预测建模

针对城市污水处理中有机物污染度指标BOD5缺少运行状态信息难以做到实时检测,提出了一种基于粒子群算法（PSO）优化最小二乘法支持向量机（LSSVM）的出水BOD5预测控制策略。在保证出水水质参数稳定达标条件下,提取城市污水处理过程中输入输出参数数据,通过LSSVM对被控对象出水BOD5进行建模,同时利用PSO对LSSVM模型进行参数寻优,获得最佳正则化参数γ和核函数参数σ。仿真结果说明,该模型提高了对出水BOD5值的预测精度并具有良好的泛化能力,达到了实时性的效果。     

青霉素发酵过程中溶解氧的变结构预估控制

溶解氧是青霉素生产发酵过程中的重要参数之一,其浓度与菌体细胞的生长速度密切相关.在青霉素发酵过程溶解氧变化机理的基础上,将模糊神经网络和变结构预估控制方法相结合,研究了基于模糊神经网络的青霉素发酵过程溶解氧的变结构预估控制方法,设计了青霉素发酵过程溶解氧的变结构预估控制系统.实验结果表明,对青霉素发酵过程中的溶解氧浓度进行变结构预估控制,可以使溶解氧浓度的调节达到满意的效果,既降低氧消耗,又避免出现氧抑制现象,使发酵过程始终处于较优的状态.     

某肉联厂污水处理过程的模糊控制尝试

针对肉联厂中污水处理过程的独特性,提出了实现污水处理达标率、污水处理和处理时效及成本等综合生产指标优化的一种模糊控制方法,通过动态控制药剂混凝量实现污水分离,该方案确保了出水COD的浓度达标,有效地节约了项目成本．