论文部分内容阅读
污泥膨胀是困扰活性污泥法污水处理过程的棘手问题,污泥膨胀发生率高且发生范围广。污水处理过程一旦发生污泥膨胀,一般需要10~30天的恢复时间。由于无法准确建立污泥膨胀数学模型且现有的污泥膨胀识别方法存在精度低、稳定性差等问题,导致准确识别污泥膨胀状态仍是一个尚未解决的难题。围绕污泥膨胀识别问题,论文提出了一种基于知识迁徙学习自组织模糊神经网络(KL-SOFNN)的污泥膨胀智能识别方法,实现了污泥膨胀风险的在线预测。主要的研究工作包括以下几点:1.污泥膨胀特征变量分析;通过分析污泥膨胀的影响变量,采用主成分分析法确定污泥膨胀的特征变量。首先,搭建污泥膨胀相关变量的数据采集平台,实现变量的实时获取;其次,根据主成分分析法,分析各变量与污泥膨胀的相关程度,提取出污泥膨胀特征变量;最后,基于多元局部二次多项式回归方法建立污泥膨胀特征模型,将模型应用到实际污水处理过程,结果验证了筛选的污泥膨胀特征变量的有效性。2.基于知识迁徙学习的自组织模糊神经网络设计;为了解决传统模糊神经网络在处理不充分数据时泛化能力较差的问题,提出了一种KL-SOFNN。首先,建立了具有知识迁徙性能的模糊神经网络,设计了知识项的优化目标函数;其次,研究了一种自适应二阶算法,实现KL-SOFNN参数的调整;同时,采用隐含层神经元重要性指标增长和删减模糊神经网络结构,获得一种结构和参数同时调整的KL-SOFNN;最后,将KL-SOFNN应用于标准测试函数,结果验证了KL-SOFNN具有较好的学习效率和较高的预测精度。3.基于自组织模糊神经网络的污泥膨胀智能识别;为了实现污泥膨胀的有效识别,建立了基于KL-SOFNN的污泥膨胀风险智能模型。首先,根据筛选的特征变量分别建立污泥膨胀风险的当前模型和参考模型;其次,采用KL-SOFNN建立污泥膨胀的知识迁徙学习模型;最后,将建立的污泥膨胀风险模型应用于实际污水处理过程。实验结果表明基于KL-SOFNN的污泥膨胀风险模型具有很好的泛化性能。4.污泥膨胀智能检测系统设计;为了将提出的污泥膨胀智能识别应用于实际污水处理厂,开发了一种基于KL-SOFNN的污泥膨胀智能检测系统。首先,搭建了污泥膨胀软测量硬件平台,解决了相关变量的实时获取问题。其次,将数据采集、数据传输、软测量模块及可视化模块进行封装,完成污泥膨胀风险检测系统的集成。最后,采用C#语言开发人机交互界面,结合实时获取的污泥膨胀相关变量数据,实现污泥膨胀风险的实时运算和显示,为污水处理安全运行提供支持。