试析污水处理过程建模与控制

《试析污水处理过程建模与控制》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、浙江工业大学硕士学位论文污水处理过程建模与控制姓名：叶玲平申请学位级别：硕士专业：化学工程指导教师：潘海天20050501浙江工业大学硕士学位论文摘要随着污水处理工艺水平的迅猛发展，对污水处理自动化的要求也越来越高。由于污水处理过程具有多变量、非线性和大滞后等特点，因此难以对污水处理过程进行精确建模，导致了当前污水处理过程自动化水平相对落后的现状。针对当前我国严峻的水污染现实和大多数污水处理厂处理效率较低的现状，本文进行了污水处理过程建模与控制研究，并此基础上实现了嘉兴污水处理厂的全厂控制系统。首先简单叙述了相关的控制理论和控制系统概念

2、，对当前国内外污水处理过程自动控制现状进行了综述，并在此基础上介绍了各种污水处理工艺，其中着重介绍了活性污泥处理工艺。根据嘉兴污水处理厂的污水处理工艺和工厂实际运行情况，在活性污泥数学l号模型(ActivatedSludgeModel，ASMl)基础上，建立了简化活性污泥数学模型，并采用污水处理厂的原始数据对数学模型进行了校正。根据污水处理厂的水质数据，对污水处理厂的曝气池运行状况进行了预测研究。进行了基于神经网络的污水处理厂曝气池预测研究。通过采集污水处理厂的实际运行数据建立了训练数据集，采用训练数据集进行神经网络训练，最后建立了神经

3、网络预测模型，并采用测试数据集测试了神经网络的预测性能，其中所采用的测试数据集与活性污泥预测研究中是相同的。通过比较神经网络预测模型和活性污泥数学模型的预T浙江工业大学硕士学位论文测结果，表明神经网络预测模型具有更佳的预测性能。实现了嘉兴污水处理厂的全厂控制系统，并全面介绍了自动控制系统的控制策略和控制方案。针对目前污水处理厂控制系统的现状，指出了在控制系统运行过程中所存在的一些问题，提出了相应的解决方案，并针对全厂自动控制系统提出了一些切实可行的优化策略。最后对全文研究内容进行了总结，并展望了未来污水处理过程自动化控制技术的发展方向。

4、关键词：污水处理，神经网络，模型，预测，控制Ⅱ浙江工业大学硕士学位论文ABSTRACTWiththedevelopmentofthewastewatertreatmenttechnology,therequestoftheautomaticcontrolhasbeenhigherandhigher．Asthewastewatertreatmentprocesshasthecharacteristicofmulti—variable，non-linear,huge-lag，anddifficulttoestablishprecisemod

5、el，theprocessautomaticcontrollevelcomparativelyhangsbehind，whichresultintoughenupthesystembeenwellcontrolled．Aimattheseriouswaterpollutionconditioninourcountrynowadays，withlowtreatmentefficiencyatmostlywastewatertreatmentplant，thethesisexecutemodelingofJiaxingwastewatert

6、reatmentplant，andrealizethewholeplantautomaticcontr01．Basedonbriefstatementofthecontroltheoryandcontrolsystemconception，theauthorsummarizesinternationaldevelopmentoftheadvancedcontrolstrategycurrently,andthenintroducesthewastewatertreatmentprocess，especiallytheActivatedS

7、ludgetreatmentprocessDependedonJiaxingunitedwastewatertreatmentplantprocesstechnologyandruncondition,takestheActivatedSludgeModelasthefoundation，establishesthesimplifiedmodeloftheplant，andproofreadsitwiththeoriginaldata．Accordingasincomingwastewaterquality,themodelcouldp

8、redicttheDOconcentrationinaerationtank．Ill浙江工业大学硕士学位论文Atthemeantime．theauthorresearchestheneuralnetwork