污水處理中曝氣池溶解氧的軟測(cè)量方法研究.pdf

1、在污水處理過(guò)程中，存在著強(qiáng)耦合性、不確定性、參數(shù)時(shí)變性以及強(qiáng)非線(xiàn)性等特點(diǎn)，國(guó)內(nèi)污水處理廠(chǎng)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(zhǎng)、繁殖和生物反應(yīng)等過(guò)程清除有機(jī)污染物。污水處理過(guò)程中的一個(gè)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(cè)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(cè)量算法不能滿(mǎn)足溶解氧濃度測(cè)量的精度要求，將軟測(cè)量技術(shù)應(yīng)用于污水處理過(guò)程研究，

2、能很好地解決了這一難題。
　　本文針對(duì)當(dāng)前污水處理過(guò)程溶解氧測(cè)量中存在的問(wèn)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(duì)污水處理方法的三個(gè)步驟與活性污泥法工藝進(jìn)行了簡(jiǎn)單敘述，并對(duì)污水處理過(guò)程中軟測(cè)量技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了綜述。
　?。?）對(duì)軟測(cè)量技術(shù)的基本原理進(jìn)行了系統(tǒng)描述，就軟測(cè)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(guò)程變量的選擇、數(shù)據(jù)采集和處理、軟測(cè)量模

3、型的建立和軟測(cè)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(duì)污水處理過(guò)程中軟測(cè)量與智能優(yōu)化算法的結(jié)合做了鋪墊。
　?。?）在研究國(guó)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(dòng)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(duì)溶解氧濃度的影響，對(duì)穩(wěn)態(tài)和動(dòng)態(tài)模型下的

4、溶解氧濃度進(jìn)行對(duì)比分析，得到動(dòng)態(tài)模型下的溶解氧濃度更加精確和穩(wěn)定，同時(shí)對(duì)溶解氧濃度的機(jī)理分析有了進(jìn)一步的了解。
　?。?）針對(duì)溶解氧濃度無(wú)法在線(xiàn)精確測(cè)量的問(wèn)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(cè)量模型，成功實(shí)現(xiàn)了對(duì)溶解氧濃度的預(yù)測(cè)，通過(guò)優(yōu)化前后的對(duì)比實(shí)驗(yàn)，發(fā)現(xiàn)優(yōu)化后的模型預(yù)測(cè)精度得到了很大提高。
　　（5）基于對(duì)粒子群優(yōu)化算法的研究，通過(guò)粒子群優(yōu)化支持向量回歸機(jī)建立了溶解