污水處理中曝氣池溶解氧的軟測量方法研究.pdf

1、在污水處理過程中，存在著強(qiáng)耦合性、不確定性、參數(shù)時變性以及強(qiáng)非線性等特點(diǎn)，國內(nèi)污水處理廠目前廣泛采用活性污泥法進(jìn)行污水處理，主要是利用污泥中微生物的生長、繁殖和生物反應(yīng)等過程清除有機(jī)污染物。污水處理過程中的一個重要指標(biāo)就是曝氣池的溶解氧濃度，溶解氧濃度的準(zhǔn)確預(yù)測與控制是保證污水處理系統(tǒng)達(dá)到理想效果的前提。然而，碘量法、氧化電極法、分光光度法和熒光猝滅法等傳統(tǒng)的測量算法不能滿足溶解氧濃度測量的精度要求，將軟測量技術(shù)應(yīng)用于污水處理過程研究，

2、能很好地解決了這一難題。
　　本文針對當(dāng)前污水處理過程溶解氧測量中存在的問題，在分析總結(jié)已有研究成果基礎(chǔ)上，完成以下研究工作：
　?。?）分析了本課題的研究意義，對污水處理方法的三個步驟與活性污泥法工藝進(jìn)行了簡單敘述，并對污水處理過程中軟測量技術(shù)的國內(nèi)外研究現(xiàn)狀進(jìn)行了綜述。
　?。?）對軟測量技術(shù)的基本原理進(jìn)行了系統(tǒng)描述，就軟測量的建模步驟與建模方法進(jìn)行逐一講解，建模步驟主要分為過程變量的選擇、數(shù)據(jù)采集和處理、軟測量模

3、型的建立和軟測量模型的校正，建模方法圍繞基于工藝機(jī)理、回歸分析和狀態(tài)估計(jì)等七種方法進(jìn)行了描述。并介紹了BP神經(jīng)網(wǎng)絡(luò)、SVM算法、粒子群算法和遺傳算法四種智能優(yōu)化算法的基本原理，為后面針對污水處理過程中軟測量與智能優(yōu)化算法的結(jié)合做了鋪墊。
　?。?）在研究國際基準(zhǔn)仿真模型BSM1的基礎(chǔ)上，利用Simulink搭建了溶解氧濃度的自適應(yīng)動態(tài)仿真模型，分析了曝氣池的氧氣容量和氧氣必要消耗兩大主要因素對溶解氧濃度的影響，對穩(wěn)態(tài)和動態(tài)模型下的

4、溶解氧濃度進(jìn)行對比分析，得到動態(tài)模型下的溶解氧濃度更加精確和穩(wěn)定，同時對溶解氧濃度的機(jī)理分析有了進(jìn)一步的了解。
　?。?）針對溶解氧濃度無法在線精確測量的問題，采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，建立了基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的溶解氧軟測量模型，成功實(shí)現(xiàn)了對溶解氧濃度的預(yù)測，通過優(yōu)化前后的對比實(shí)驗(yàn)，發(fā)現(xiàn)優(yōu)化后的模型預(yù)測精度得到了很大提高。
　　（5）基于對粒子群優(yōu)化算法的研究，通過粒子群優(yōu)化支持向量回歸機(jī)建立了溶解