基于自适应控制的水质监测采样辅助装置的研究

论文摘要

生物式水质监测系统本质上就是利用水体中的生物指示器来反映生态状况的变化,对水质进行综合的评价。生物式水质监测系统是基于动态采集的水样来进行监测的,所采集水样的状况直接影响监测结果的准确性。采样辅助装置实际上就是对水样采集过程进行控制的一类装置或者系统。一套可靠的采样辅助装置不仅能够为生物式水质监测系统动态的采集水样,而且能够精确实时的控制水样的温度、流速和酸碱度等水样的指标状况。针对生物式水质监测系统对水样温度、流速和酸碱度等指标状况的控制要求,本文提出并设计了一套基于自适应控制器的采样辅助装置,结合了自适应控制技术,模糊控制技术和计算机辅助控制技术等。实现了生物式水质监测中水样的在线采集和水样指标状况的实时控制。论文所做的主要工作包括以下几点：1、分析了自适应控制技术。自适应控制技术机构中主要包括了三大要素,即被控对象、决策机构、修正机构。自适应控制技术能够自动地补偿在模型阶次、参数和输入信号方面非预知的变化。针对主流的自适应控制方法进行了介绍和探讨。采样辅助装置属于多变量(MIMO)控制系统,本文针对多变量系统的自适应控制策略进行了分析。2、提出了用于生物式水质监测的采样辅助装置。通过自动控制等技术为生物式水质监测仪提供实时、动态的水样环境,控制水样的流量、温度、酸碱度等环境指标,使水样能够处于水质监测系统接受的范围之内,使得提取出的生物指示器的特征参数不受环境因素的影响。继而,可以利用动态图像理解技术对生物指示器的行为特征参数进行分析,评价水质安全状况。3、基于自适应控制技术的采样辅助装置及控制。生物式水质监测实验的环境指标主要包括水样流速,水样温度,水样酸碱度等指标。本文基于自适应控制技术设计了一套采样辅助装置系统,从模块上划分为采水、配水、排水和监控四个单元。在采样辅助装置的控制中引入了模糊自适应控制算法,得出了鲁棒的MIMO模糊自适应控制器。根据外界条件的变化,该控制装置可以实时的完成水样环境的调控,从而满足生物水质监测实验的要求。4、采样辅助装置的平台实验。平台实验联接了采样辅助系统与生物式水质监测系统主实验平台。实验中,通过动态数据分析技术分析水样指标的变化,通过人为的增加扰动因素,评估自适应控制器的稳定性以及鲁棒性。实验结果表明了在无干扰和人为附加干扰的情况下,本文采用的采样辅助装置都能够较快调整系统输出,将水样指标稳定地控制在参考范围内。水样的采集过程控制可以应用于很多领域,尤其是在水质监测领域,但由于本实验的存在一定局限性,希望能够为以后的研究提供一定的参考价值。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 选题背景
• 1.2 水质监测技术
• 1.2.1 理化监测分析方法
• 1.2.2 生物学监测方法
• 1.2.3 水质监测水样采集过程监控策略
• 1.3 研究意义和内容
• 1.3.1 研究意义
• 1.3.2 研究内容
• 1.4 本文的内容安排
• 第2章 相关理论技术研究
• 2.1 活体鱼水质监测技术
• 2.2 自适应控制技术
• 2.2.1 基本原理
• 2.2.2 常规自适应控制系统
• 2.2.3 多变量控制系统的自适应分析
• 2.2.4 自适应控制技术的应用
• 2.3 总结
• 第3章 生物式水质监测采样辅助装置
• 3.1 系统设计思想
• 3.2 生物式水质监测采样辅助装置的系统组成
• 3.2.1 采水单元
• 3.2.2 配水单元
• 3.2.3 排水单元
• 3.2.4 监控单元
• 3.3 生物式水质监测采样辅助装置的设计原则
• 3.3.1 实时性
• 3.3.2 稳定性
• 3.3.3 收敛性
• 3.3.4 鲁棒性
• 3.4 本章小结
• 第4章 采样辅助装置的自适应控制
• 4.1 采样辅助装置控制问题分析
• 4.2 模糊自适应控制
• 4.2.1 模糊自适应控制原理
• 4.2.2 MIMO模糊自适应控制原理
• 4.3 采样辅助装置控制模型的模糊辨识与建立
• 4.3.1 MIMO控制系统的模糊模型辨识方法
• 4.3.2 采样辅助装置模糊模型建立
• 4.3.3 模糊模型辨识方法分析
• 4.4 采样辅助装置鲁棒自适应控制器的研究
• 4.4.1 MIMO广义预测控制规律
• 4.4.2 采样辅助装置中鲁棒自适应控制器的设计
• 4.4.3 采样辅助装置中鲁棒自适应控制器的稳定性评价
• 4.5 本章小结
• 第5章 系统设计与实验分析
• 5.1 系统设计
• 5.1.1 系统构建
• 5.1.2 通讯协议
• 5.1.3 被控对象的参数提取及分析
• 5.1.4 系统输入的参数提取及分析
• 5.1.5 分析和评价
• 5.2 实验分析
• 5.2.1 实验装置及环境
• 5.2.2 软件的设计与实现
• 5.2.3 实验数据分析
• 5.3 本章小结
• 第6章 总结与展望
• 6.1 论文总结
• 6.2 课题展望
• 致谢
• 参考文献
• 附录
• 详细摘要