基于神经网络的水厂投药预测控制研究

论文摘要

在地表水处理的工艺中,混凝投药是一个关键环节。混凝剂的投加量直接决定了混凝效果,准确地投加混凝剂可以有效减轻过滤、消毒设备的负担。然而,由于受到原水浊度、PH值、配水流量等因素的影响,混凝投药又是最为困难的环节。因为它面对的是一个复杂的物理化学过程,是较强的非线性系统,投药环节难以运用数学模型表示。同时水处理过程从混凝剂的投加,经过沉淀、过滤,至少要经过1小时以上的时间才能达到稳定状态。目前,国内水厂的投药控制系统普遍采用单因子闭环控制和人工决策的开环控制两种方式。对于混凝投药这种非线性、大时滞的系统,采用这两种传统的控制方式很难对原水水质参数的突然变化做出快速响应,也就限制了其控制效果。针对这一现状,本文提出一种具有前馈——反馈结构的神经网络内模预测控制的新方法。文中首先采用BP和RBF两种神经网络分别建立了投药系统的单步预测模型,并且研究了RBF网络的多步预测模型,通过比较,最终确定了以RBF单步模型作为受控对象的内模。然后,以预测偏差控制算法为理论依据,构建了闭环控制系统,使用黄金分割法来求解控制率。接着,文中给出了控制系统稳定性和零稳态偏差特性的证明。最后,在Matlab/Simulink环境里进行了仿真实验,证明了该控制方法的优越性和可行性。考虑课题的后续是以研发水厂自动化系统为目标,因此本文选择了LonWorks技术作为研发平台对混凝投药智能控制节点进行设计。应用该技术开发的产品,具有开放性、可互操作的特点,是数字化,网络化的产品。本文依据对投药环节的控制要求,对智能节点的硬件功能进行了规划,确定了硬件总体方案。按照模块化设计方法,分别设计了LonWorks控制模块和数据采集模块(包括模拟量输入和输出电路);同时采用Neuron C语言编写了模拟量输入和输出程序、控制率求解程序及节点调试程序。最后,在水厂进行了实验,实验数据表明,同水厂现有的人工混凝投药系统相比,本方法控制下的出水浊度保持平稳,同时所需矾耗有所减少,在一定程度上降低了生产成本,得到了较好的控制效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 混凝投药智能控制的发展现状
• 1.2.1 模糊控制方法
• 1.2.2 神经网络控制方法
• 1.2.3 实时专家系统控制方法
• 1.2.4 预测控制技术在投药控制中的应用
• 1.3 预测控制发展现状
• 1.3.1 非线性预测控制
• 1.3.2 模型预测控制
• 1.3.3 智能预测控制
• 1.4 本文主要研究内容
• 第2章 混凝投药控制系统的方案
• 2.1 净水厂水处理过程概述
• 2.2 被控对象的特征
• 2.2.1 影响混凝效果的水质因素
• 2.2.2 混凝投药过程的主要特点
• 2.3 控制方案选取
• 2.4 技术平台选择
• 2.5 LonWorks 技术简介
• 2.5.1 神经元芯片
• 2.5.2 Neuron C 编程语言
• 2.5.3 网络通信协议
• 2.6 本章小结
• 第3章 混凝投药系统模型的建立
• 3.1 飞升曲线法辨识受控对象模型
• 3.1.1 矾耗飞升实验
• 3.1.2 混凝投药过程模型辨识
• 3.1.3 流量飞升实验
• 3.2 BP 网络建立系统预测模型
• 3.2.1 BP 网络的结构和学习规则
• 3.2.2 基于BP 网络单步模型辨识
• 3.2.3 BP 网络的不足
• 3.3 RBF 网络建立系统预测模型
• 3.3.1 RBF 网络的原理
• 3.3.2 基于RBF 网络单步模型辨识
• 3.3.3 基于RBF 网络多步模型辨识
• 3.4 本章小结
• 第4章 投药系统控制器设计及系统仿真
• 4.1 前馈控制器设计
• 4.2 反馈控制器设计
• 4.2.1 基于预测偏差的控制算法
• 4.2.2 黄金分割法求解控制率
• 4.3 投药控制系统的特性分析
• 4.3.1 系统的稳定性
• 4.3.2 系统的零稳态偏差特性
• 4.4 混凝投药控制系统仿真
• 4.5 本章小结
• 第5章 混凝投药控制节点的设计
• 5.1 概述
• 5.2 投药控制节点的硬件设计
• 5.2.1 控制模块设计
• 5.2.2 模拟量输入电路
• 5.2.3 模拟量输出电路
• 5.3 投药控制节点的软件设计
• 5.3.1 模拟输入程序
• 5.3.2 模拟输出程序
• 5.3.3 RBF 网络模型的实现
• 5.3.4 预测控制算法程序
• 5.3.5 节点调试程序
• 5.4 实验结果
• 5.5 后续问题的展望
• 5.6 本章小结
• 结论
• 参考文献
• 附录
• 攻读学位期间发表的学术论文
• 致谢
• 简历