论文部分内容阅读
活性污泥法是目前使用的最广泛的污水生物处理方法。由于采用微生物的生理特性对污水中的有机物进行净化,在处理过程中生化反应极其复杂,系统呈现出高度非线性、时变、不确定性和时滞等特点,导致污水处理过程的建模十分困难。神经网络在理论上能够逼近任意非线性函数,因此在污水处理系统的建模中得到广泛的应用。
本文的研究工作主要围绕以下几个部分开展:
1.在深入研究国际水质协会提出的Activated Sludge Model No.1(ASM1)模型动力学特性的基础上,针对ASM1模型的不足,对其进行改进,得到Improved Activated Sludge Model模型,大大降低了ASM1模型的复杂程度,有利于实现实时优化控制。
2.在改进模型的同时,为了达到模型复用的目的,利用Visual C++2005平台开发了基于Improved Activated Sludge Model模型的ActiveX控件。通过对实际数据进行仿真研究表明该模型能够实时计算出生化反应过程中化学需氧量、生化需氧量等主要水质参数值,可以在线获得溶解氧浓度、总氮浓度等重要参数值,反映出处理过程的动态特性,同时该软件能够很好地模拟城市污水处理厂活性污泥法污水处理过程的实际情况,为过程控制提供很好的研究平台。
3.针对污水处理过程的多变量、非线性、大滞后和强耦合的特点,利用高阶递归神经网络对污水处理过程关键水质参数——化学需氧量、生化需氧量、悬浮固体和氨氮进行建模。通过对污水处理厂生化反应过程实际运行数据的实验表明所提出的建模方法是有效的,同时与其他学者提出的前馈神经网络建模方法和一阶递归神经网络建模方法比较。结果显示在污水处理系统建模中,高阶递归神经网络模型具有较高的精度和良好的学习能力。
4.在Visual studio2005平台下,以C#语言为主,MATLAB语言为辅开发了污水处理仿真软件。软件实现了序批示活性污泥处理工艺的典型模型水质预测模块。该软件具备较强的扩展性和二次开发性,所有内部的模型和控制器均是以控件的形式灵活加载,能够快速升级各类组件,而不再需要开发新的平台。