水污染是当今世界各国面临的首要问题,通过污水处理解决缺水问题已成为共识。活性污泥法是目前国内外用来提高水质的一种既经济又简便的污水水处理技术,准确地控制生化反应池中溶解氧(DO)是获得较好处理效果及经济效益的前提。但活性污泥生化反应过程是一个复杂的非线性的生化过程,在实际水处理过程中,水质水量不断波动,要实现准确控制水中的DO非常困难。为了解决这一问题,本文提出了一种基于径向基函数神经网络(RBFNN)的生化反应系统内模控制的设计方法,并结合大连绿源药业公司污水处理系统核心装置(生化反应池)中的DO控制为对象来进行研究设计。研究主要内容如下: 首先,本文对该污水处理车间做了实际的调研,对污水处理系统做了分析,并确定了控制对象和策略。为建立水处理系统模型,对神经网络算法进行研究,提出了采用减聚类算法和动态最近邻聚类学习算法相结合的新算法,提高径向基函数神经网络的函数逼近能力和运算速度,实现在线调整网络参数。 然后,结合生化反应过程特点分析,将上述算法的RBFNN成功地应用于生化反应过程,建立了该系统的神经网络模型。该模型可用于生化反应过程状态变量的估算和预测。 最后,本文根据RBFNN具有参数线性化的结构特点设计了基于RBFNN的非线性内模控制器,将该控制器应用到生化反应过程,以DO为被控变量,进行仿真实验,并给出了硬件设计方案。 本文通过对生化反应过程溶解氧神经网络控制方法的研究,探索和尝试了将神经网络智能控制技术引入水处理领域。仿真实验表明,基于神经网络的内模控制系统具有很强的自学习性和自适应性以及良好的鲁棒性,对非线性的生化反应过程可实现准确控制,达到较好的效果。