扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
无头案:雍正暴亡之谜
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
废水处理过程智能控制建模与策略 版权信息
- ISBN：9787030702821
- 条形码：9787030702821 ; 978-7-03-070282-1
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
废水处理过程智能控制建模与策略 内容简介
废水处理是一门涉及化学、物理、生物等多门学科的综合性技术，为了更高效地治理废水，人们已逐步将计算机技术和自动化技术应用于污水处理的过程控制中，构建各种高性能废水处理监测和控制系统。本书详细介绍了废水处理过程中各种软测量模型和控制机理模型的建模方法，并将其与多目标优化模型相结合，应用于具体的废水处理工艺过程中，形成集水质预测、优化、控制为一体的废水处理智能优化控制模型。 本书可供废水处理相关领域的科研人员、工程技术人员与管理人员，以及高等院校环境科学与工程等专业的师生参考。
废水处理过程智能控制建模与策略 目录
目录
前言
第1章绪论1
1.1废水处理过程智能控制的意义1
1.2废水处理过程监控系统研究现状2
1.2.1废水处理系统在线监测技术2
1.2.2废水处理过程监控系统发展现状3
1.3废水处理过程自动控制系统研究现状3
1.3.1经典控制4
1.3.2现代控制4
1.3.3大系统控制5
1.3.4智能控制7
1.4废水处理在线监测及自动控制智能算法9
1.4.1主成分分析9
1.4.2云模型11
1.4.3BP神经网络的基本结构与学习规则16
1.4.4基于遗传算法的BP神经网络GA-BP17
1.4.5自适应模糊神经网络结构与算法ANFIS19
1.4.6基于*小二乘法优化的支持向量机算法LSSVM20
1.4.7基于粒子群算法优化的支持向量机算法PSO-SVM24
1.4.8非支配排序遗传算法NSGA-II25
1.4.9非支配排序遗传算法NSGA-III28
参考文献31
第2章废水物化处理的模糊神经网络控制35
2.1废水处理智能控制系统的设计35
2.1.1废水物化处理简介36
2.1.2实验室造纸废水处理智能控制系统37
2.1.3系统设备配置介绍39
2.1.4系统软件42
2.2混凝投药预测控制系统的设计48
2.2.1模糊神经网络模型结构49
2.2.2网络结构辨识50
2.2.3网络参数学习算法52
2.3废水处理混凝投药预测模型52
2.3.1预测数学模型52
2.3.2训练样本数据的获取53
2.3.3样本数据分析与处理54
2.3.4预测模型的结构辨识57
2.3.5预测模型的参数辨识及仿真58
2.4废水处理混凝投药控制模型62
2.4.1控制数学模型62
2.4.2控制模型的结构辨识62
2.4.3控制模型的参数辨识63
2.5废水处理混凝投药控制效果分析64
2.5.1进水流量变化、进水COD不变时的控制效果64
2.5.2进水流量不变、进水COD变化时的控制效果64
参考文献66
第3章废水厌氧处理的混合软测量模型及多目标优化67
3.1厌氧处理工艺自动监控系统的设计67
3.1.1废水厌氧处理简介67
3.1.2废水厌氧处理自动监控系统的硬件构架69
3.1.3废水厌氧处理自动监控系统的软件构架71
3.2基于云模型的pH智能控制器76
3.2.1废水处理pH控制策略76
3.2.2云模型控制器设计77
3.2.3MCGS下实现pH的控制与结果80
3.2.4仿真分析81
3.3基于PCA-LSSVM的厌氧处理出水水质软测量82
3.3.1PCA-LSSVM的厌氧处理出水水质软测量模型82
3.3.2厌氧出水VFA软测量模型83
3.3.3厌氧出水COD软测量模型91
3.4基于PSO-SVM的废水处理过程软测量95
3.4.1PSO-SVM的废水处理过程软测量95
3.4.2厌氧处理COD去除率预测模型97
3.4.3厌氧处理VFA浓度预测模型99
3.5基于动力学和PSO-SVM的废水处理产气量的混合软测量102
3.5.1动力学模型102
3.5.2基于微生物动力学和PSO-SVM模型105
3.5.3厌氧处理产气量的软测量模型105
3.6基于GA-BP的厌氧处理出水水质软测量及多目标优化108
3.6.1GA-BP厌氧同时反硝化产甲烷过程的出水氨氮软测量模型108
3.6.2GA-BP的废水处理过程产气量软测量115
3.6.3基于NSGA-II的多目标优化模型118
3.7基于PCA-BP和PCA-LSSVM的厌氧氨氧化出水软测量及多目标优化123
3.7.1数据选取与预处理123
3.7.2模型性能评价指标125
3.7.3基于PCA-BP和PCA-LSSVM算法的厌氧氨氧化出水水质软测量模型125
3.7.4基于PCA-LSSVM和NSGA-II混合智能算法的厌氧氨氧化脱氮系统多目标优化模型131
参考文献136
第4章A/O废水处理过程智能优化控制137
4.1废水处理智能控制系统的设计137
4.1.1A/O废水处理系统简介137
4.1.2基于Web方式开发的废水处理智能控制APP140
4.2基于两级模糊神经网络的溶解氧混合控制模型141
4.2.1溶解氧控制的必要性141
4.2.2溶解氧控制方案142
4.2.3模糊及模糊PID控制器145
4.2.4废水处理溶解氧控制模型151
4.3基于参数优化的动态模糊神经网络的回流比控制模型159
4.3.1回流比控制的必要性159
4.3.2回流比控制方案159
4.3.3营养物质动态变化预测模型161
4.3.4缺氧池末端硝态氮预测模型168
4.3.5废水处理回流比控制模型172
4.4A/O废水处理过程智能控制的实现及控制效果分析175
4.4.1溶解氧控制效果分析175
4.4.2回流比控制效果分析177
4.5活性污泥法废水处理仿真基准模型建模与多目标优化178
4.5.1基于MATLAB的仿真基准模型的建模178
4.5.2基准仿真模型BSM1的多目标优化建模步骤179
4.5.3基准仿真模型BSM1的评价函数180
4.5.4基准仿真模型BSM1的约束规则180
4.5.5多目标优化算法和BSM1模型之间的参数传递及使用方法181
4.5.6基准仿真模型BSM1的进水水质分布情况181
4.5.7优化策略下的节能减排分析182
参考文献187
第5章A2/O废水处理的神经网络软测量及智能优化控制189
5.1废水处理智能控制系统的设计189
5.1.1A2/O废水处理系统简介189
5.1.2废水处理自动控制系统的硬件构成190
5.1.3废水处理自动控制系统的软件构成192
5.2基于神经网络和遗传算法的出水水质软测量194
5.2.1神经网络软测量模型的建构和优化194
5.2.2出水COD的软测量模型199
5.2.3出水氨氮的软测量模型204
5.3基于自适应模糊神经网络的出水水质软测量210
5.3.1软测量模型结构及算法的确定210
5.3.2出水COD的软测量模型216
5.3.3出水氨氮的软测量模型220
5.4基于GA-BP和动力学模型的邻苯二甲酸二丁酯降解预测模型223
5.4.1实验材料和方法223
5.4.2造纸废水有机物分析及选择225
5.4.3DBP在A2/O中的迁移转化研究225
5.4.4DBP去除机理分析与模型研究230
5.4.5基于GA-BP神经网络的出水DBP预测模型232
5.4.6实验模型比较236
5.5基于自适应模糊神经网络软测量模型的溶解氧智能优化控制237
5.5.1溶解氧控制方案237
5.5.2废水处理出水COD预测模型239
5.5.3废水处理溶解氧的智能优化控制241
5.5.4溶解氧控制效果分析245
参考文献246
第6章工业废水智能控制系统工程案例248
6.1制浆造纸废水处理简介248
6.1.1制浆造纸废水处理工艺简介248
6.1.2制浆造纸废水的来源及特点250
6.1.3制浆造纸废水处理过程的特征251
6.2制浆造纸废水处理过程的主要影响因素及注意事项251
6.2.1制浆造纸废水处理过程的主要影响因素251
6.2.2制浆造纸废水处理过程日常操作注意事项253
6.3制浆造纸废水处理智能控制系统研究体系254
6.3.1制浆造纸废水处理过程存在的问题254
6.3.2制浆造纸废水处理控制方案255
6.4制浆造纸废水处理应用工程系统设备简介256
6.4.1一体化高效物化反应器256
6.4.2两相两阶段高效厌氧反应器258
6.4.3生物接触氧化池259
6.4.4PS高级氧化反应器260
6.5制浆造纸废水处理自动控制系统构建262
6.5.1制浆造纸废水处理厂常用工艺流程262
6.5.2智能控制系统框架263
6.5.3智能控制系统的搭建流程263
6.5.4设备配置264
6.5.5组态设计274
6.5.6智能控制系统操作运行界面276
6.6制浆造纸废水高级氧化处理智能加药系统构建
2796.6.1制浆造纸废水高级氧化处理智能加药系统数据处理
2796.6.2建模基本过程及模型参数的选择与设定281
6.6.3PS高级氧化技术智能加药控制系统的设计及仿真283
6.6.4模糊控制器的建模过程及模型参数选定284
6.6.5PS高级氧化智能加药系统Simulink仿真模型的建立286
参考文献286
前言
第1章绪论1
1.1废水处理过程智能控制的意义1
1.2废水处理过程监控系统研究现状2
1.2.1废水处理系统在线监测技术2
1.2.2废水处理过程监控系统发展现状3
1.3废水处理过程自动控制系统研究现状3
1.3.1经典控制4
1.3.2现代控制4
1.3.3大系统控制5
1.3.4智能控制7
1.4废水处理在线监测及自动控制智能算法9
1.4.1主成分分析9
1.4.2云模型11
1.4.3BP神经网络的基本结构与学习规则16
1.4.4基于遗传算法的BP神经网络GA-BP17
1.4.5自适应模糊神经网络结构与算法ANFIS19
1.4.6基于*小二乘法优化的支持向量机算法LSSVM20
1.4.7基于粒子群算法优化的支持向量机算法PSO-SVM24
1.4.8非支配排序遗传算法NSGA-II25
1.4.9非支配排序遗传算法NSGA-III28
参考文献31
第2章废水物化处理的模糊神经网络控制35
2.1废水处理智能控制系统的设计35
2.1.1废水物化处理简介36
2.1.2实验室造纸废水处理智能控制系统37
2.1.3系统设备配置介绍39
2.1.4系统软件42
2.2混凝投药预测控制系统的设计48
2.2.1模糊神经网络模型结构49
2.2.2网络结构辨识50
2.2.3网络参数学习算法52
2.3废水处理混凝投药预测模型52
2.3.1预测数学模型52
2.3.2训练样本数据的获取53
2.3.3样本数据分析与处理54
2.3.4预测模型的结构辨识57
2.3.5预测模型的参数辨识及仿真58
2.4废水处理混凝投药控制模型62
2.4.1控制数学模型62
2.4.2控制模型的结构辨识62
2.4.3控制模型的参数辨识63
2.5废水处理混凝投药控制效果分析64
2.5.1进水流量变化、进水COD不变时的控制效果64
2.5.2进水流量不变、进水COD变化时的控制效果64
参考文献66
第3章废水厌氧处理的混合软测量模型及多目标优化67
3.1厌氧处理工艺自动监控系统的设计67
3.1.1废水厌氧处理简介67
3.1.2废水厌氧处理自动监控系统的硬件构架69
3.1.3废水厌氧处理自动监控系统的软件构架71
3.2基于云模型的pH智能控制器76
3.2.1废水处理pH控制策略76
3.2.2云模型控制器设计77
3.2.3MCGS下实现pH的控制与结果80
3.2.4仿真分析81
3.3基于PCA-LSSVM的厌氧处理出水水质软测量82
3.3.1PCA-LSSVM的厌氧处理出水水质软测量模型82
3.3.2厌氧出水VFA软测量模型83
3.3.3厌氧出水COD软测量模型91
3.4基于PSO-SVM的废水处理过程软测量95
3.4.1PSO-SVM的废水处理过程软测量95
3.4.2厌氧处理COD去除率预测模型97
3.4.3厌氧处理VFA浓度预测模型99
3.5基于动力学和PSO-SVM的废水处理产气量的混合软测量102
3.5.1动力学模型102
3.5.2基于微生物动力学和PSO-SVM模型105
3.5.3厌氧处理产气量的软测量模型105
3.6基于GA-BP的厌氧处理出水水质软测量及多目标优化108
3.6.1GA-BP厌氧同时反硝化产甲烷过程的出水氨氮软测量模型108
3.6.2GA-BP的废水处理过程产气量软测量115
3.6.3基于NSGA-II的多目标优化模型118
3.7基于PCA-BP和PCA-LSSVM的厌氧氨氧化出水软测量及多目标优化123
3.7.1数据选取与预处理123
3.7.2模型性能评价指标125
3.7.3基于PCA-BP和PCA-LSSVM算法的厌氧氨氧化出水水质软测量模型125
3.7.4基于PCA-LSSVM和NSGA-II混合智能算法的厌氧氨氧化脱氮系统多目标优化模型131
参考文献136
第4章A/O废水处理过程智能优化控制137
4.1废水处理智能控制系统的设计137
4.1.1A/O废水处理系统简介137
4.1.2基于Web方式开发的废水处理智能控制APP140
4.2基于两级模糊神经网络的溶解氧混合控制模型141
4.2.1溶解氧控制的必要性141
4.2.2溶解氧控制方案142
4.2.3模糊及模糊PID控制器145
4.2.4废水处理溶解氧控制模型151
4.3基于参数优化的动态模糊神经网络的回流比控制模型159
4.3.1回流比控制的必要性159
4.3.2回流比控制方案159
4.3.3营养物质动态变化预测模型161
4.3.4缺氧池末端硝态氮预测模型168
4.3.5废水处理回流比控制模型172
4.4A/O废水处理过程智能控制的实现及控制效果分析175
4.4.1溶解氧控制效果分析175
4.4.2回流比控制效果分析177
4.5活性污泥法废水处理仿真基准模型建模与多目标优化178
4.5.1基于MATLAB的仿真基准模型的建模178
4.5.2基准仿真模型BSM1的多目标优化建模步骤179
4.5.3基准仿真模型BSM1的评价函数180
4.5.4基准仿真模型BSM1的约束规则180
4.5.5多目标优化算法和BSM1模型之间的参数传递及使用方法181
4.5.6基准仿真模型BSM1的进水水质分布情况181
4.5.7优化策略下的节能减排分析182
参考文献187
第5章A2/O废水处理的神经网络软测量及智能优化控制189
5.1废水处理智能控制系统的设计189
5.1.1A2/O废水处理系统简介189
5.1.2废水处理自动控制系统的硬件构成190
5.1.3废水处理自动控制系统的软件构成192
5.2基于神经网络和遗传算法的出水水质软测量194
5.2.1神经网络软测量模型的建构和优化194
5.2.2出水COD的软测量模型199
5.2.3出水氨氮的软测量模型204
5.3基于自适应模糊神经网络的出水水质软测量210
5.3.1软测量模型结构及算法的确定210
5.3.2出水COD的软测量模型216
5.3.3出水氨氮的软测量模型220
5.4基于GA-BP和动力学模型的邻苯二甲酸二丁酯降解预测模型223
5.4.1实验材料和方法223
5.4.2造纸废水有机物分析及选择225
5.4.3DBP在A2/O中的迁移转化研究225
5.4.4DBP去除机理分析与模型研究230
5.4.5基于GA-BP神经网络的出水DBP预测模型232
5.4.6实验模型比较236
5.5基于自适应模糊神经网络软测量模型的溶解氧智能优化控制237
5.5.1溶解氧控制方案237
5.5.2废水处理出水COD预测模型239
5.5.3废水处理溶解氧的智能优化控制241
5.5.4溶解氧控制效果分析245
参考文献246
第6章工业废水智能控制系统工程案例248
6.1制浆造纸废水处理简介248
6.1.1制浆造纸废水处理工艺简介248
6.1.2制浆造纸废水的来源及特点250
6.1.3制浆造纸废水处理过程的特征251
6.2制浆造纸废水处理过程的主要影响因素及注意事项251
6.2.1制浆造纸废水处理过程的主要影响因素251
6.2.2制浆造纸废水处理过程日常操作注意事项253
6.3制浆造纸废水处理智能控制系统研究体系254
6.3.1制浆造纸废水处理过程存在的问题254
6.3.2制浆造纸废水处理控制方案255
6.4制浆造纸废水处理应用工程系统设备简介256
6.4.1一体化高效物化反应器256
6.4.2两相两阶段高效厌氧反应器258
6.4.3生物接触氧化池259
6.4.4PS高级氧化反应器260
6.5制浆造纸废水处理自动控制系统构建262
6.5.1制浆造纸废水处理厂常用工艺流程262
6.5.2智能控制系统框架263
6.5.3智能控制系统的搭建流程263
6.5.4设备配置264
6.5.5组态设计274
6.5.6智能控制系统操作运行界面276
6.6制浆造纸废水高级氧化处理智能加药系统构建
2796.6.1制浆造纸废水高级氧化处理智能加药系统数据处理
2796.6.2建模基本过程及模型参数的选择与设定281
6.6.3PS高级氧化技术智能加药控制系统的设计及仿真283
6.6.4模糊控制器的建模过程及模型参数选定284
6.6.5PS高级氧化智能加药系统Simulink仿真模型的建立286
参考文献286
展开全部
废水处理过程智能控制建模与策略 节选
第1章绪论 近十几年以来，随着我国改革开放的深度推动，经济及工业化的发展加快，我国的废水排放和处理量呈逐年增长的趋势。环境保护对于社会发展的重要性日益被人们所认识，环境保护工作受到高度重视，特别是废水治理工作越来越得到人们的关注。因此，加快我国废水处理行业的发展和产业技术升级势在必行。 本章首先阐明了废水处理过程智能控制的意义，分析了废水处理过程自动控制系统的研究现状，*后对运用于废水处理过程软测量及智能控制中的控制模型、智能算法及技术应用进行了详细的介绍。 1.1废水处理过程智能控制的意义 工业废水、城镇生活污水排放与水污染密切相关。数据显示，2011年以来我国废水排放总量逐年递增，废水治理需求不断提升。2011～2019年，我国工业废水排放量逐年减少，城镇生活污水排放量逐年增加。根据住房和城乡建设部*新数据显示，截至2019年底，我国共有2 471座城市污水处理厂，处理能力为1.79亿t/d，城市污水处理率达96.81％[1]。虽然我国废水处理率不断提高，但普遍存在效率低、能耗高和运行不稳定等问题。 废水处理技术是一门涉及化学、物理、生物等多门学科的综合性技术，其工艺机理较为复杂，操作控制难度较高。如果单凭现场工作人员手动操作，往往操作烦琐、劳动强度大、处理效果差，也不利于降低能耗与药耗。为了更高效地治理废水，工程师已逐步将计算机技术和自动化控制技术应用于废水处理过程的监测与控制中，构建了各种高性能污水处理控制系统[2.4]，以保证处理过程稳定、可靠、安全，提高出水水质，降低能耗、药耗和人工成本，从而实现污水处理的持续、经济和良性运行。因此，将自动控制理论引入废水处理过程是完全有必要的，然而传统建模方法是通过与真实情况相似的原理，利用计算机和各种物理效应设备，通过控制理论、计算技术、信息技术及其应用领域的专业技术，建立系统模型对实际的问题或者假想的问题进行动态的情况模拟，采用数学语言对系统或实体内在的运动规律及外部的作用关系进行抽象和对其本质特征进行描述[5]。而在实际过程中，各参数之间是复杂的非线性关系，采用传统建模方法得到的结果与实际过程往往存在较大偏差，控制效果差；采用智能控制理论，构造适合废水处理装置的智能控制系统，可以有效弥补传统控制方法在废水处理控制系统中的不足。 目前，我国许多处理规模较大的城镇生活污水处理厂引进了相关智能控制废水处理系统，但是往往所需投资大，操作复杂，运行成本也比较高。中小型污水处理厂由于资金、管理等各方面原因，废水处理过程往往靠人工操作，操作工人的责任感、经验等难以把控的因素均会对*终出水水质的稳定性产生很大影响；同时由于废水处理过程外界因素变化大且具有多变量、非线性、时变性等特点，进一步加大了人工管理监控难度，废水处理成本也随之相应增加。另外，我国目前污水处理控制系统大多依赖国外进口，在引进设备的同时，要引进相应的设备管理、维修技术和人员培训方法，还要考虑设备的备品备件来源等一系列问题，过分地依赖国外引进，既会消耗大量的外汇，也容易在技术上受制于人。因此，设计出符合我国国情、具有自主知识产权、性价比高的废水处理过程智能控制系统具有重要的现实意义。尤其是废水生物处理过程是具有非线性、大时变、大滞后、干扰严重的复杂系统，精确建立模型十分困难，基于模型的传统控制方法难以应用，因此，研究此类复杂反应过程的智能控制方法，不仅具有重要的现实意义，还有深远的理论意义。 1.2废水处理过程监控系统研究现状 废水处理过程包含非常复杂的生化反应过程，只有实现了对废水处理系统各阶段与运行条件进行严格的监测和控制，才能有效保障废水处理系统高效稳定运行。利用计算机及软件平台对废水处理系统进行实时监测与控制，保障系统参数都达到工艺要求，提高处理装置及执行机构的控制精度，不仅能够提升废水处理系统的可靠性、稳定性与安全性，还可以提高废水处理的效率与运行经济性。废水处理过程监控系统综合了传感器技术、信号采集与处理技术、通信技术及嵌入式控制技术等基础学科，能够完成废水处理过程的监测、控制、报警和数据管理等工作。废水处理过程监控系统通常分为硬件和软件两部分，其中硬件主要完成对被控参数的显示存储和打印等功能，软件主要支持系统的通信服务、用户接口测量与计算执行机构驱动和故障自诊断等功能。 1.2.1废水处理系统在线监测技术 废水处理过程参数很多， Vanrolleghem等[6]对废水处理过程的在线监测设备的研究与应用现状进行了总结，结果如表 1-1所示。从表 1-1中我们可以看出，有些变量如 pH、氧化还原电位 (Oxidation-Reduction Potential，ORP)等已经有了成熟可靠的在线监测设备，有些变量如挥发性脂肪酸 (Volatile Fatty Acid，VFA)、化学需氧量 (Chemical Oxygen Demand，COD)等相关的硬件设备还在研发或改进之中。目前，研究人员在废水处理过程参数的在线监测设备开发上做了很多努力，但是多数技术仍处在开发和实验室应用阶段，离实际工程应用仍有一定的距离[7]。 表1-1废水处理过程在线监测设备现状 在具体选择监测变量时不仅要考虑该变量能否快速响应、是否具有稳定性，还要考虑监测设备投资及后续维护费用。对于一个特定的废水处理系统，实际上并不需要所有变量的监测设备都齐全，如果研究一些变量就足够表征该系统的特征，那么就可以大幅度减少相应的设备投资。 1.2.2废水处理过程监控系统发展现状 我国废水处理过程监控系统与国外发达国家相比还有一定的差距，日本、德国等发达国家废水处理过程自动化程度和处理效率都比较高，其废水处理过程监控系统已实现了大规模工业化生产和商业化应用[8]。国内科研机构在吸收国外先进经验和技术的基础上，开始尝试着将国外先进的废水处理控制技术应用到我国废水处理工程中。目前应用于废水处理过程的实时控制和数据处理系统主要包括嵌入式微控制器 (MCU)监控系统[9]、工业控制计算机(IPC)监控系统[10]、可编程逻辑控制器(PLC)监控系统[11，12]、集散控制系统(DCS)[13]和现场总线控制系统(FCS)[14]等。 1.3废水处理过程自动控制系统研究现状 根据控制原理的不同，可以将自动控制系统分为开环控制系统和闭环控制系统两大类。在开环控制系统中，只有输入端到输出端的信号传递通道，没有信号反馈，因此又被称为前馈控制系统。开环控制系统结构简单，稳定性好，成本低，但需要精确的数学模型，而且由于无反馈信号，系统不具备抗干扰能力，因此在废水处理过程中开环控制系统很多时候只能用于研究扰动控制[15]。在闭环控制系统中，除了有输入端到输出端的传递信号外，还有输出端反馈到输入端的信号，因此闭环控制系统又被称为反馈控制系统。闭环控制系统*突出的优点是抗干扰，但是闭环控制系统必须有检测环节直接或间接检测输出量，上述各个变量的检测设备就是用在该环节的，因此闭环控制系统复杂、成本高。由于废水处理过程的干扰因素较多，因此废水处理控制系统一般采用闭环控制系统，根据控制变量的变化来调节操作变量，从而维持输出在设定值。 传统废水处理过程自动控制系统包括监测变量、操作变量和控制器3个部分。操作变量往往选取那些对工艺状态有较大作用的变量，废水处理过程中可应用的操作变量较少，这也是废水处理控制困难的原因之一。废水处理过程常用的操作变量有进水量(改变水力停留时间)、碱度(通过CO2回流或调节酸碱加入速率等)、混合强度(搅拌强度及回流量)、溶解氧浓度 (控制曝气量)及回流比等。然而在实际工业生产过程中进水量并不都是可以控制的，因为它还会受到工厂排放废水量的限制。 自动控制理论经历了经典控制理论、现代控制理论、大系统控制理论和智能控制理论的发展历程，其中后两者是自动控制系统目前正在发展的阶段。与控制理论相对应，也产生了以开关控制和PI/PID为代表的经典控制方法，以卡尔曼滤波器(状态观测器)和*优控制为代表的现代控制方法，以自适应控制和鲁棒控制为代表的大系统控制方法，以专家控制、模糊控制、人工神经网络控制基于生物启发式智能优化算法控制为代表的智能控制方法。 1.3.1经典控制 开关控制又称继电器控制，是*早建立的简单反馈控制方法，通过监测单个变量的变化对操作变量进行简单的开或关控制。这种控制方法的*大优点是稳定性好，这里的稳定性是指被控变量的输出是有界的，会被限定在一定区间内，而不是一般控制理论所强调的渐进稳定性，开关控制的控制精度低，对多数控制要求精度高的场合并不适用。 PID (Proportion-Integration-Differentiation)控制是基于偏差的比例、积分和微分进行调节的控制策略，因此也被称为“比例 –积分 –微分”控制。 P是比例控制，即控制输出与控制偏差成比例关系，如果仅有比例控制，系统的输出总会存在稳态误差； I是积分控制，即控制输出与控制偏差在时间上的积分成正比，积分控制是为了消除稳态误差，但是作用缓慢，所以积分作用常与比例和微分作用一起使用组成PI或PID控制；PI控制即比例和积分控制，能够解决一大类控制问题，但是如果系统存在滞后或大惯性环节，会使系统在调节误差的过程中出现震荡甚至失稳，这时需要加入微分控制。微分控制即控制输出与误差的微分 (误差变化率)成正比，微分控制能够预测误差变化趋势，抵消滞后因素带来的影响，减少超调量，进而增加了系统的稳定性。但微分控制只看趋势不看具体数值，只能把输出值稳定下来，因此也不能单独使用。陈进东等 [16]使用 PID调节模块，通过模拟量输出模块来控制调节阀 TF20l开度来控制蒸汽流量的大小从而起到控制温度的作用。李偲宸[17]采用西门子 S7-300系列 PLC作为下位机，并通过以太网的通信连接，搭建了对工控设备进行监控的工业污水处理自控系统。通过控制投加泵的频率达到对加药流量的控制，进而实现 Fenton处理过程的控制，同时采用 PID控制，可以通过自调节稳定地与设定的加药量、液面值等参数保持一致，实现恒值控制。阮嘉琨等 [18]采用 PLC S7-200系列 CPU226作为控制器，通过输入输出口分配，将液位传感器、溶氧仪等设备测出来的被控信号送入可编程控制器，再通过各种污水处理设备的执行，实现对污水的净化。其中对曝气沉淀池溶氧度的控制加入了 PID控制算法，该系统具有良好的稳定性和实用性。 PID控制算法简单、鲁棒性好、可靠性高，是目前工业界*常用的控制策略。 PID控制*大的问题是参数整定，如果能够建立被控对象精确的数学模型，则可以按照某种原则进行整定，但实际上精确的过程模型很难建立，这时往往靠经验进行参数整定，这种方法获得的参数在复杂系统中很难达到理想的控制效果。另外， PID控制通常局限于单输入单输出控制的线性定常系统，对于非线性、大滞后的厌氧发酵系统难以建立精确的控制模型，因此 PID控制器会出现参数整定不良、性能欠佳、对运行环境的适应性较差的现象。 1.3.2现代控制 现代控制理论正是为了克服经典控制理论的局限性，在 20世纪 60年代初形成并迅速发展的。它建立在时域内的状态空间分析法基础之上，状态空间就是将一个系统分解为输入、输出和状态，输出本身也是一种状态或状态的组合，在数学上就是将一个高阶的微分方程分解成一个联立的一阶微分方程组，状态空间可以描述系统的动态过程。卡尔曼多变量*优控制理论、*优滤波理论及庞特里亚金极大化原理的提出将现代控制理论引向更深入的研究。现代控制理论主要研究内容包括多变量线性系统理论、*优控制理论及*优估计与系统辨识理论，它从理论上解决了系统可控性、可观测性、稳定性及许多复杂系统的控制问题[19]。 废水处理过程具有强非线性、高耦合及大时变的特点，因而过程变量难以在线精确测量，樊立萍等 [20]以出水
书友推荐
本类畅销
-
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6 -
2023读书月阅读盲盒——我什么场面没见过？
¥42.3¥158 -
2023读书月阅读盲盒——去码头整点什么薯条？
¥42.3¥158
