论文部分内容阅读
能源和环境的双重危机使大中型沼气工程成为发展绿色能源的焦点和关键点,利用该手段能够有效减少最主要的农业污染源——畜禽废物,其经济环境效益也不言而喻,而如何实现高效率则是重中之中。但厌氧发酵是一个极其复杂的微生物代谢过程,具有非线性和滞后性,由于缺少在线监测的先进设备或者设备价格昂贵,难以实现关键因素在线监测。严重制约了厌氧发酵系统的高效性和稳态性,难以实现进一步的优化和控制。因此,厌氧发酵高效和稳态作为科研设计和运行管理长期追求的目标,而产气量对提升其过程的稳定性和高效率又具有重要的指导作用,针对其滞后性而难以实现在线测量的问题,建立关于厌氧发酵产气量的预测模型就具有重要的意义。本文以实验室混合厌氧发酵系统为研究对象,基于厌氧发酵机理的理论,对影响因素进行数据采集与处理,并以MATLAB为工具引入灰色关联分析法,确定模型的输入变量,缩短模型训练所需要的时间。其次,应用机器学习中的BP神经网络和LS-SVM建立厌氧发酵产气量预测模型,得出在有限样本下,基于LS-SVM所建模型比BP神经网络具有较高的预测能力。然后对LS-SVM做更深一步的研究,用多项式核函数和高斯径向基核函数构建混合核函数的LS-SVM模型来预测产气量。之后融入厌氧发酵机理,将发酵数据通过发酵机理函数有效处理以后再通过混合核LS-SVM预测模型,其中混合核参数用遗传算法优化。仿真表明,结合机理函数后的GA混合核LS-SVM预测模型,与单纯GA混合核函数LS-SVM模型相比,预测产气量更为准确,达89.42%,误差更小。最后,基于LabVIEW界面设计的优点,将其与MATLAB结合设计了基于LabVIEW厌氧发酵产气量预测系统,引入之前研究的模型,输入变量就可以实现对产气量进行预测,减少复杂的测量步骤,为今后大中型沼气工程设置厌氧发酵参数、提高产气产量提供理论依据。