污水处理曝气池溶解氧智能优化控制系统

被引:11
作者
黄银蓉
张绍德
机构
[1] 安徽工业大学电气信息学院
关键词
最小二乘支持向量机; 溶解氧; 模糊神经网络; 逆控制; 软测量;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算]; TP273.5 [];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 080201 ;
摘要
提出一种新的溶解氧优化控制方法,根据不同的进水水质,利用在线多输入多输出最小二乘支持向量机软测量模型预测出水参数值.将这些参数作为水质反馈信号,使用模糊神经网络动态优化与进水水质对应的溶解氧设定值.最后利用神经网络逆控制系统跟踪优化的溶解氧设定值,从而实现在达到出水指标的前提下,既能保证出水水质的稳定,又能有效消除曝气量冗余,实现曝气量的动态优化,有效减少电能消耗.
引用
收藏
页码:393 / 400
页数:8
相关论文
共 6 条
[1]   Optimal reduction of solutions for support vector machines [J].
Lin, Hwei-Jen ;
Yeh, Jih Pin .
APPLIED MATHEMATICS AND COMPUTATION, 2009, 214 (02) :329-335
[2]  
当代给水与废水处理原理.[M].许保玖;龙腾锐[编];.高等教育出版社.2000,
[3]   基于最小二乘支持向量机和PSO算法的电厂烟气含氧量软测量 [J].
王宏志 ;
陈帅 ;
侍洪波 .
热力发电, 2008, (03) :35-38
[4]   模糊神经网络的理论与应用 [J].
王爽 ;
朱栋华 ;
王家凯 .
江苏环境科技, 2007, (S2) :98-100
[5]   基于RBF网络非线性系统逆控制的一种设计方案 [J].
张绍德 ;
李坤 ;
张世峰 .
系统仿真学报, 2006, (09) :2688-2690
[6]   焦化厂焦炉(及其集气管等)压力控制及其变频节能系统 [J].
马仁富 ;
万福君 .
流体机械, 1999, (03) :22-25