论文部分内容阅读
基于提高工业废水处理自动化程度，保证出水水质的考虑，通过正交试验法获得了用于FNN模型训练和测试的样本数据，并建立了相应的FNN预测和控制模型，其中前者采用基于Takagi-Sugeno推理的网络，后者采用基于标准型的模糊神经网络；结合模糊C均值聚类和混合算法完成网络的结构辨识和参数辨识，仿真结果表明，预测模型具有很好的学习能力和泛化能力，训练数据的绝对误差范围为0～0．03358，而测试数据的绝对误差范围为0．61334～71．512;建立好的预测控制模型与MCGS组态软件结合应用于实验室的造纸废水处理控制,结果表明模犁能够根据采集到的相关水质参数自动调节加药量，出水水质稳定在设定值附近，有利于后续的生化处理，实际生产中处理出水可部分回用，减少车间清水的补充量，显示出该智能控制的良好效果。本研究可对智能控制在废水处理领域的深入研究，推广具有智能控制功能的废水处理工程示范点提供参考。