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.     

城市污水处理过程出水氨氮优化控制

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取控制变量溶解氧浓度的优化设定值;其次,设计自适应模糊神经网络控制器,完成溶解氧浓度优化设定值的跟踪控制;最后,将出水氨氮优化控制方法应用于基准仿真平台BSM1.实验结果表明,该优化控制方法不仅提高了出水氨氮的去除效果,而且有效降低了能耗.     

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。     

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.     

基于人工免疫算法的电梯交通动态分区的优化

提出了一种利用新兴的人工免疫算法优化电梯高峰客流动态分区的新方法，实现了非连续楼层的优化计算．剖析了电梯交通的动态分区模型，设计了动态分区模型的人工免疫算法，并对之做了比较仿真研究．仿真结果表明，基于该算法的动态分区在处理客流分布不均匀的电梯交通时，表现出良好的性能．该算法能快速地找到电梯交通的最优分区或者次最优分区，具有一定的应用价值．     

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。     

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。     

人工湿地出水悬浮物影响因素分析及研究

人工湿地污水处理系统由预处理单元和人工湿地单元组成,是一种新型城市污水处理工艺。通过试验查找人工湿地气浮预处理系统出水水质影响因素,根据试验数据对系统参数进行优化,在合理投入的同时,保证水质稳定达标。     

基于相关向量机的污水处理出水水质预测模型

针对污水生化处理过程复杂、重要出水指标预测困难且误差比较大的情况,提出了一种基于相关向量机的污水处理出水水质预测模型.首先利用模糊单调递增依赖算法对输入数据进行属性约简,并结合经验确定输入属性,然后利用相关向量机建立预测模型,对模型参数进行寻优,以实现最优预测.实验结果表明,文中提出的预测模型预测精度高、泛化能力强,能较好地满足污水处理出水水质的预测要求.     

基于机会约束规划的生产全过程实时优化

针对一类生产全过程,提出了基于机会约束规划的动态实时优化策略.基于产品质量优化模型,利用机会约束规划,将实时优化问题中的经济和模型不确定约束以一定的置信水平概率满足,通过求解联合概率约束问题,确定各子过程控制器的最优设定值.通过步进式加热炉炉温设定值优化问题的仿真研究,验证了该方法的有效性和实用性.     

分布式电驱动汽车驱动力矩优化控制分配

针对分布式电驱动汽车在加速转向行车工况下车轮驱动力矩的控制分配问题,提出一种具有分层结构的控制策略.在控制策略的上层,为提高控制器对参数不确定和模型误差的鲁棒性,基于滑模控制进行主动横摆力矩计算.在控制策略的下层,构建了以提高车辆操纵性、降低电能损失为目标的优化问题,并基于离线计算和在线优化相结合的方式进行求解.采用Matlab-Carsim联合仿真,验证了控制策略在提高车辆操纵性能、降低能耗上的有效性.      

浅谈城镇生活污水处理厂节能降耗措施

城市污水处理是高能耗行业之一。高能耗一方面造成了污水处理设施运营成本高;另一方面,也在一定程度上加剧了我国现阶段的能源危机。如何有效的运行污水处理厂,污水处理的节能降耗将成为行业亟需解决的问题。针对我国污水处理行业的具体状况,在国内外研究成果和实践经验的基础上,参考现行城镇生活污水处理厂的运行情况,在不改变原有污水处理工艺的基础上,通过运行的优化调控、先进控制手段的采用,使其在保证出水水质稳定达标的前提下实现能耗的大幅度降低。     

污水处理中基于仿人智能的DO参数控制策略

污水处理是一个复杂的生化反应过程，难以数学建模．针对其曝气控制过程中参数的不确定性，采用传统PID控制策略难以实现优化控制的问题，文章以DO参数控制为例，提出了基于仿人智能的控制策略对其实施控制．仿人智能控制策略很好地解决了DO参数值波动的控制问题，有效地保证了出水水质和曝气风量的合理控制．文中给出了控制策略、系统结构和控制规则．仿真结果表明了该控制策略的可行性和有效性，系统动、静态品质好．     

多轴电驱动车辆驱动力优化分配策略

为提高某型多轴电驱动车辆的经济性,提出了一种最优驱动力分配控制策略.以电驱动系统效率最优为核心,对驱动转矩的分配进行离线优化,生成可在线应用的驱动模式表,通过查表插值可以确定驱动轴数,再根据整车轴荷动态分布情况,确定具体驱动轴,以充分利用地面附着力;利用Matlab/Simulink搭建整车后向仿真模型,在调整的世界重型商用车循环工况上进行仿真分析.结果表明,采用最优驱动转矩分配控制策略,相对驱动转矩平均分配控制策略和基于轴荷比分配转矩控制策略,经济性分别提升了9.18％和6.12％.     

用改进的人工免疫算法设计时滞滤波器系统

为了改善闭环系统的动态性能,设计了含有时滞滤波器的闭环系统.首先,描述了一类含时滞滤波器的闭环系统的数学模型;其次,提出了用改进的人工免疫算法优化闭环系统参数的方法;最后,进行了仿真.仿真结果表明,用改进的人工免疫算法寻找最优闭环系统,与基本的遗传算法相比,闭环系统有更好动态性能.     

污水处理过程的多目标优化

为了在保证污水处理厂出水质量达标、控制日常运营成本的同时尽量减少温室气体(GHG)的排放,将温室气体的排放纳入了污水处理的性能评价范畴,并与出水质量(EQI)、操作成本指数(OCI)等传统性能评价指标构成了污水处理过程的多目标优化问题。为研究此性能指标的多目标优化问题,构建了简化的污水处理仿真平台BSM2-e,此平台包括初沉池、活性污泥反应器、二次澄清池和浓缩单元。针对多目标优化问题的求解,采用多目标进化算法NSGA-II对该算法的精英选择策略做了改进,算法在拥挤距离选择的基础上增加了筛选步骤,以改善算法的分布性,将该算法应用于BSM2-e多目标优化问题,取得了较好的仿真结果。优化结果表明,GHG排放指标与EQI有冲突,提高出水质量可增加温室气体的排放,而GHG排放指标与OCI无冲突,在不增加操作成本的情况下可有效降低温室气体的排放。     

基于模型的六箱一体化工艺优化控制研究

分析了基于模型的六箱一体化工艺的优化控制.针对六箱一体化工艺周期运行的特点,提出了两种阶段时间控制策略:Fix_time策略和NO3_control策略,前者的阶段时间是固定的,后者的阶段时间是通过在线检测缺氧池中SNO3及其变化速率自动进行控制的,Fix_time策略包含7个待优化参数,NO3_control策略包含6个待优化参数.在同时考虑出水水质和运行能耗两个目标的前提下,对两种策略进行了多目标优化分析.结果显示:NO3_control策略相比于Fix_time策略更具适应性,在不同的进水条件下依然能够满足缺氧反硝化的时间要求,因此出水水质更好,同时运行能耗也较低.该研究结果表明:针对六箱一体化工艺设计的NO3_control策略能够进一步提升六箱一体化工艺的性能.     

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。     

基于PSO-LSSVM污水处理系统出水数据的软测量

以某公司污水处理系统为背景,利用各进水数据基于支持向量机建立软测量模型,实现对出水BOD5质量浓度、COD质量浓度的预测.针对支持向量机参数的选择问题,采用粒子群优化算法对其进行调整,最终实现污水处理系统BOD5质量浓度、COD质量浓度的软测量.