遞歸神經網絡及其在污水處理過程中的應用研究.pdf

1、污水處理過程是一個復雜的高度非線性系統(tǒng),其進水流量、進水成份、污染物濃度、天氣變化等參量都是被動接受,微生物生命活動受溶解氧濃度、微生物種群、污水的PH值等多種因素影響,生化反應過程具有滯后特性,精確表述控制變量與控制目標之間的關系十分困難。目前的一些污水處理模型結構復雜,待整定參數(shù)過多,可辨識性差,不能動態(tài)地反應出操作變量與控制目標之間的蘊含關系,無法用于在線控制。尋求較好的建模方法,解決污水處理過程中的建模問題是一個很迫切的需求。同

2、時,污水處理過程中的過程參數(shù)隨時間呈現(xiàn)動態(tài)變化,同時會受到多種不同類型的干擾,這種不確定、時變、時滯系統(tǒng)的控制問題仍是國際控制領域的挑戰(zhàn)性問題。
　　 遞歸神經網絡實質上是一個非線性的動力學系統(tǒng),特別適合于一些高度非線性的動力學過程的建模與控制。因此,研究遞歸神經網絡設計方法,解決污水處理過程中的問題具有現(xiàn)實意義。論文主要工作如下:
　　 首先,提出了一種遞歸神經網絡的結構設計方法,研究該網絡結構的學習算法、狀態(tài)的穩(wěn)定性

3、以及對動力學系統(tǒng)的逼近能力。
　　 其次,給出了一種污水處理中一些關鍵的水質參數(shù)在線測量的方法。運用了軟測量技術,使用遞歸神經網絡建立污水處理過程的軟測量模型。通過與BP前向型的軟測量模型之間的比較,證明了遞歸神經網絡對動力學系統(tǒng)的逼近精度優(yōu)于前向型的神經網絡。
　　 最后,設計了一種基于遞歸神經網絡預測模型的自適應控制方法。對于污水處理過程中經常受到干擾,系統(tǒng)存在大時滯導致的控制難題,本文用遞歸神經網絡對其狀態(tài)進行預測