欢迎来到天天文库
浏览记录
ID:35057598
大小:3.94 MB
页数:75页
时间:2019-03-17
《基于lm算法的溶解氧浓度神经网络预测控制研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号级;:密UDC:单位代码;’急傲2:社大fV春-I硕去学位论文?论文题目:基于LM算法的溶解氧浓度神经网络预测控制研究|Im学号:1320190223::M作者:专业名称;控制理论与控制工程M?二马S3邏.2016年05月20日.画邏::独创性说明本人郑重声明:所呈交的论文是我个人在导师指导下进行的研究工作及取得研巧成果。尽我所知,除了文中特别加臥标注和致谢的地方外,论文中不包含其他人己经发表或撰写的研巧成果,也不包含
2、为获得安徽工业大学或其他教育化构的学位或证书所使用过的材料一。与我同工作的同志对本研巧所做的任何贡巧均己在论文中做了明确的说明并表示了谢意。賊如.签名1,^日期;关于论文使用授权的说明本人完全了解安徽工业大学有关保留、使用学位论文的规定,目P;学校有权保留送交论文的复印件;1,允许论文被查陶和借闽学校可^;公布论文的全部或部分内容,可采用影印、缩印或其他复制手段保荐论文,保密的论文在解密后应遵循此规定。系>^八>签名导师签.只.歹I句_健日期安徽工业大学硕士学位论文论文题目:基于LM算法的溶解氧浓度神经网络
3、预测控制研究ResearchesofNeuralNetworkPredictiveControlforDissolvedOxygenConcentrationBasedonLMAlgorithm作者:周磊学院:电气与信息工程学院指导教师:王健单位:安徽工业大学协助指导教师:李明河单位:安徽工业大学单位:论文提交日期:2016年05月19日学位授予单位:安徽工业大学安徽马鞍山243002摘要摘要活性污泥法是利用活性污泥中微生物的降解作用来清除污水中污染物质的一种有效方法,是目前工程上使用最为广泛的污水处理工艺之一。溶解氧浓度是污水处理过程中一个极其重要的参数
4、,然而其具有时变、非线性以及存在设定值难以跟踪控制的问题,传统的控制方法(如常规PID控制等)在干扰性强、模型参数不确定等情况下,难以达到理想的控制效果。预测控制具有跟踪性能强、控制效果好、抗干扰能力强等优点,神经网络预测控制(NNPC)充分利用神经网络非线性映射能力在模型预测上的优势,结合预测控制反馈校正、滚动优化的机理,更适合于此类非线性系统的控制。基于上述分析,本课题提出污水处理溶解氧浓度NNPC方法,对控制器的结构及其性能做了全面的设计、分析和仿真,主要工作如下:首先,分析了活性污泥法污水处理工艺,在国际水质协会提出的活性污泥1号模型(ASM1)的
5、基础上,经过合理的假设和约束,结合实际的污水处理厂情况,建立了反映溶解氧浓度、活性污泥浓度以及底物浓度之间内在关系的简化的活性污泥变参数数学模型。其次,针对常规BP神经网络容易陷入局部极小值、收敛速度慢等缺陷,提出采用Levenberg-Marquardt算法(LM算法)对BP神经网络进行优化,并通过对比仿真实验对LM-BP神经网络的模型辨识性能进行了验证。然后,针对目前溶解氧控制存在的问题,提出了NNPC方法,并从模型预测、反馈校正、滚动优化三个方面系统设计了该控制系统。最后,通过仿真实验,验证了LM-BP神经网络构建溶解氧预测模型的有效性,通过和常规控
6、制方法的比较,验证了NNPC对溶解氧设定值的跟踪性能和抗干扰性能。本课题的创新点及贡献在于:(1)运用LM算法优化BP神经网络,克服了常规神经网络的缺陷,在溶解氧NNPC中提高了模型预测精度。(2)针对溶解氧浓度跟踪控制难的问题,提出了溶解氧NNPC方法,对溶解氧神经网络预测控制器模型预测、反馈校正、滚动优化等环节进行了系统全面地设计,并将NNPC方法与常规的控制方法进行了比较。仿真结果表明,NNPC具有很好的自适应性和鲁棒性,提高了溶解氧跟踪控制性能。关键词:污水处理过程;溶解氧浓度;建模;Levenberg-Marquardt算法;神经网络预测控制I基
7、于LM算法的溶解氧浓度神经网络预测控制研究AbstractActivatedsludgeprocessisaneffectivemethodofsewagepollutantswhichusethedegradationeffectofmicrobialinsewagesludgetoclearpollutantinwastewater,andwhichiscurrentlyoneofthemostwidelyusedwastewatertreatmentprocessesinengineering.Thedissolvedoxygen(DO)concen
8、trationisoneoftheextremelysignifi
此文档下载收益归作者所有