论文部分内容阅读
我国造纸工业的污染状况非常严重,造纸工业的污染占到整个工业污染的1/3以上。废纸造纸是实现造纸行业清洁生产的有效方式,近年来废纸造纸在我国发展非常迅速,目前废纸已经占到了整个造纸原料的50%以上。废纸造纸仍然会对环境产生污染,特别是废纸造纸废水的污染相对来说比较严重。然而,我们国家的废纸造纸废水处理技术相对落后,尤其废水处理的自动控制技术非常落后,相当一部分工厂的废水处理仍然采用的是人工控制。鉴于此,本论文致力于研究用BP神经网络算法实现对废纸造纸废水处理系统的智能控制。
本课题首先在实验室条件下,通过试验确定了废纸造纸废水处理的工艺条件,建立了废纸造纸废水处理的自动控制系统,并在该自动控制系统下进行试验取得了大量试验数据。利用取得的试验数据作为BP神经网络的训练样本,在MATLAB下对BP神经网络预测模型和控制模型进行仿真研究,确定BP神经网络模型的各项最优参数。根据确定的最优参数在MATIAB中对BP神经网络模型进行仿真,得到预测模型和控制模型的平均相对误差分别为6.2%和6.6%,仿真结果表明,BP神经网络模型可以作为自动控制系统的预测模型和控制模型。在MCGS高级开发包生成的VB程序中编写BP神经网络算法,然后按照MCGS的接口函数规范将BP神经网络算法嵌入到MCGS中,实现了对废纸造纸废水处理系统的智能控制。在实验室条件下进行验证试验,本试验中我们设定高效反应器的期望出水COD为350mg/l,当分别改变原水COD和进水流量的大小时控制系统会自动计算出该时刻加给高效反应器的加药量,结果表明高效反应器的出水COD在350mg/l左右小范围内波动,平均相对误差分别为8.2%和6.9%,表明基于BP神经网络算法的智能控制系统,能够有效的实现对废纸造纸废水处理系统的智能控制。
本课题的研究成果为实现废纸造纸废水处理系统的自动控制提供了一种有效的解决方案,也为已有的废水处理自动控制系统的改造提供了依据。