基于递归自组织rbf神经网络的svi软测量研究

《基于递归自组织rbf神经网络的svi软测量研究》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、中文图书分类号：TP183密级：公开UDC：621.3学校代码：10005硕士学位论文MASTERALDISSERTATION论文题目：基于递归自组织RBF神经网络的SVI软测量研究论文作者：李颖学科：控制科学与工程指导教师：韩红桂教授论文提交日期：2016年6月UDC：621.3学校代码：10005中文图书分类号：TP183学号：S201302121密级：公开北京工业大学工学硕士学位论文题目：基于递归自组织RBF神经网络的SVI软测量研究英文题目：SOFT-COMPUTINGMODELFORSLUDGEVOLUME

2、INDEXBASEDONRECURRENTSELF-ORGANIZINGRBFNEURALNETWORK论文作者：李颖学科专业：控制科学与工程研究方向：智能系统申请学位：工学硕士指导教师：韩红桂教授所在单位：电子信息与控制工程学院答辩日期：2016年6月授予学位单位：北京工业大学独创性声明本人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的研究成果。尽我所知，除了文中特别加１＾标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研巧成果，也不包含为获得北京工业大学或其它教育机构的学位或证

3、书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：备挺曰期：；知月备曰关于论文使用授权的说明本人完全了解北京工业大学有关保留、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，允许论文被查阅和借阅；学校可Ｗ公布论文的全部或部レ分内容，可ッ采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵守此规定）签名：衣Ｍｌ曰期：如／（＾年《月曰导师签名：曰期：之年矣月＾曰——１１摘要摘要

4、污泥膨胀一直是干扰活性污泥法污水处理工艺安全运行的难题之一，其不仅发生率高，而且普遍存在。由于污泥膨胀机理复杂，影响因素众多，很难建立精确的数学模型；同时，由于污泥膨胀的关键指标污泥容积指数(SludgeVolumeIndex,SVI)很难在线检测，现存污泥膨胀的识别方法存在精度低、滞后时间长、稳定性差和维护成本高等缺点。因此，针对污泥膨胀的实时识别问题，文中建立了基于递归自组织RBF(RecurrentSelf-OrganizingRBF,RS-RBF)神经网络的SVI软测量模型，完成了污泥膨胀智能检测系统的设计，

5、实现了污泥膨胀的有效识别。该论文主要的研究工作包括以下几点：1.SVI软测量模型辅助变量选择；分析污水处理过程中影响污泥沉降的主要因素，根据污泥沉降性能要求，污水处理过程生化反应机理和污泥膨胀指数相关性分析，提取出与SVI相关的参量。分析相关性参量的重要性并挖掘出重要参量的信息，将相关参量表示为SVI软测量模型的辅助变量，并利用偏最小二乘方法(PartialLeastSquares,PLS)确定SVI软测量模型的主要辅助变量(MLSS、COD、DO、pH、TN)。2.RS-RBF神经网络设计；为了提高SVI软测量模型

6、的精度，文中通过对递归RBF神经网络结构及承担任务变化需求分析，提出一种递归RBF神经网络结构自组织设计方法。该结构增长—修剪机制是基于神经网络信息处理能力及竞争性分析，判断增加或删除递归RBF神经网络隐含层中的神经元，实现了递归RBF神经网络结构在线调整，提高了递归RBF神经网络的性能。非线性系统建模的实验结果表明：提出的RS-RBF神经网络与其他自组织神经网络相比，具有更精简的神经网络结构和更高的预测精度。3.基于RS-RBF神经网络的SVI软测量模型研究；针对SVI的在线测量问题，将提出的RS-RBF神经网络应

7、用于SVI软测量模型设计，并提出了一种适合于RS-RBF神经网络的自适应二阶算法(AdaptiveSecond-OrderAlgorithm,ASOA)，实现了SVI的在线测量。将设计的SVI软测量方法应用于实际污水处理过程中试平台，实验结果表明：与传统的测量方法相比，基于RS-RBF神经网络的SVI软测量模型需要的先验知识较少，而且避免了复杂的模型结构辨识问题，可以有效地对SVI进行测量。4.污泥膨胀智能检测系统设计；针对目前污泥膨胀尚无实用的检测系统问题，文中设计并开发了一种SVI智能预测系统。该系统主要包括用户

8、管理模块、用户登陆模块、样本数据管理模块、模型训练模块、模型预测模块以及模型预警I北京工业大学工学硕士学位论文模块。在软件设计方面，首先，利用VisualStudio2010软件完成系统界面的设计，提供模型训练、模型预测以及模型预警等功能。其次，运用MATLAB软件以及数据库技术，并嵌入基于RS-RBF神经网络的SVI智能预测模型，实现了智能预