基于神經網絡的MBR污水處理工藝參數(shù)預測和控制研究.pdf

1、近年來膜生物反應器(MembraneBioreactors,MBR)工藝在污水處理中的應用格外引人注目。該工藝與傳統(tǒng)的廢水生物處理工藝相比,具有出水水質好、出水可直接回用、設備占地面積小、便于自控、活性污泥濃度高和剩余污泥產量低等優(yōu)點。本課題根據(jù)MBR污水處理的工藝要求對PLC進行了硬件選型和軟件設計,主要包括污水預處理區(qū)、MBR反應區(qū)和污泥處理區(qū)三部分。
　　 MBR運行的突出問題主要是膜污染,膜污染不僅會降低膜的產水率、增加

2、運行費用,而且影響膜生物反應器的穩(wěn)定運行。本文根據(jù)現(xiàn)場運行參數(shù),探討了預測MBR工藝在運行中發(fā)生膜污染的方法。MBR運行控制過程是一個多變量,多目標的包含海量信息的復雜控制系統(tǒng),膜污染因子較為復雜且各因子之間相互交叉,難以建立精確的數(shù)學模型。因此,本文采用神經網絡算法建立了膜污染模型預測模型。首先分析膜污染形成原因,針對膜污染因子復雜多變的特點,以及神經網絡對于控制領域的強大吸引力,提出采用基于神經網絡計算方法的膜污染預測的建模方法。利

3、用主元分析法(PCA)實現(xiàn)過程變量的降維和去相關,實現(xiàn)輔助變量的精選,從而達到簡化神經網絡輸入的目的。然后建立基于BP神經網絡的膜污染預測模型。對標準BP算法進行了分析,建立了膜污染預測的BP神經網絡模型并進行詳細的討論,指出BP算法收斂速度慢,易陷入局部極小點,網絡泛化能力不強等缺點及原因。最后提出了一種新膜污染預測方法—基于PSOBP神經網絡的膜污染預測模型。PSOBP算法是用粒子群算法來優(yōu)化神經網絡,計算適應度函數(shù),最后對優(yōu)化權值