基于PSO-DE算法的污水处理优化控制研究

被引：2

作者：

叶永伟

葛沈浩

任设东

钱志勤

机构：

[1] 浙江工业大学特种装备制造与先进加工技术教育部浙江省重点实验室

来源：

计算机测量与控制 | 2016年 / 24卷 / 02期

关键词：

污水处理; 优化控制; 改进粒子群算法;

D O I：

10.16526/j.cnki.11-4762/tp.2016.02.018

中图分类号：

X703 [废水的处理与利用];

学科分类号：

083002 ;

摘要：

针对目前污水处理系统能耗过大,处理效果差等问题,提出了基于改进型粒子群算法的优化控制;采用粒子群差分进化算法(PSO-DE)可以提高粒子全局搜索能力与收敛速度,克服粒子早熟现象;在实际应用中建立以溶解氧浓度(DO)与污泥排放量(Qw)为变量,以能耗与出水水质为约束条件的数学模型,通过算法全局寻优求解,验证结果表明该算法能保证出水水质前提下降低污水处理能耗。

引用

页码：68 / 70+76 +76

页数：4

共 8 条

[1] 基于新型免疫算法的污水处理过程最优控制 [J].

叶洪涛 ;

罗飞 ;

许玉格 ;

杨红 ;

梁瑾 .

华南理工大学学报(自然科学版), 2010, 38 (02) :137-141

[2] 城市污水处理系统实现全厂控制的发展前景 [J].

马勇 ;

彭永臻 .

中国给水排水, 2008, (08) :8-13

[3]

城市污水处理厂能耗评价及节能途径研究[D]. 陈宏儒.西安建筑科技大学 2009

[4] 基于差分方程的PSO算法粒子运动轨迹分析 [J].

李宁 ;

孙德宝 ;

邹彤 ;

秦元庆 ;

尉宇 .

计算机学报, 2006, (11) :2052-2061

[5] 自适应二次变异差分进化算法 [J].

吴亮红 ;

王耀南 ;

袁小芳 ;

周少武 .

控制与决策 , 2006, (08) :898-902

[6]

A~2/O工艺脱氮除磷及其优化控制的研究[D]. 吴昌永.哈尔滨工业大学 2010

[7]

基于改进粒子群算法的输电网扩展规划研究[D]. 倪瑞君.浙江大学 2013

[8] 基于免疫粒子群神经网络的污水水质预测 [J].

郑广勇 ;

罗飞 ;

陈伟斌 .

微处理机, 2010, 31 (02) :75-77+81

← 1 →