论文部分内容阅读
截至2012年,全国十大水系和62个主要湖泊中,分别有31%和39%的淡水水质达不到饮用水要求。同时,整个水生态环境受损较重,湿地、海岸带、湖滨、河滨等自然生态空间不断减少,导致水源涵养能力下降。在水质量形势严峻的条件下,如何保障人民日常生活用水的安全,成为净水行业亟待解决的关键问题,而混凝投药作为净水工艺的重要环节,必将受到人们的高度关注。目前国内净水厂多采用常规净水工艺,其自动化、智能化程度较低,要想满足人们对生活饮用水的需求,必然以增加投药量方式来实现,然而这样就造成净水混凝剂的浪费。本文就是通过对智能控制算法的研究来设计净水混凝投药控制系统,在确保出厂水水质要求的条件下,降低混凝剂的投加量。主要研究内容如下:(1)根据对净水厂实际生产数据进行分析,获知影响净水混凝投药环节的关键因素原水温度、原水浊度、原水流量。并用现场实际数据对相关净水混凝投药模型进行参数回归,获得符合该净水厂的实际系统模型。(2)对专家控制和CMAC神经网络算法进行分析,发现以下两个特点:①专家控制在实际生产过程中虽然控制精度不高,但其控制趋势合理;②基本CMAC神经网络虽然存在缺陷,在离线训练时受训练样本约束较大,在自学习过程对激活权值进行无差别修正,会造成输出跳跃式变化,但比之其他智能算法,其具有收敛速度快、泛化能力强,相近输入实现相近输出的独特优势。因此本文对CMAC神经网络进行了改进,在映射时构建关联模糊隶属函数,为前向计算和反向权值修正过程中引入灵敏度算子,从而有针对性的利用和修正权值。同时通过专家经验对算法进行离线学习,提高在线过程的准确度。(3)利用MATLAB软件实现CMAC和CMAC改进算法的编写,并将其用于复杂非线性函数的逼近,通过仿真逼近曲线初步分析改进CMAC改进算法的效果,发现CMAC改进算法在控制精度、泛化能力方面较基本CMAC均有很大提高。设计专家控制器和改进的CMAC神经网络控制器,并利用LabVIEW软件建立虚拟实验环境,对净水厂的实际运行数据进行虚拟仿真,验证了改进CMAC神经网络的实际控制效果,论证了改进CMAC神经网络算法的可行性。