论文部分内容阅读
随着国家越来越重视环境治理和节能减排,有效的降低污水处理厂运行时的电能消耗显得越来越重要。在污水处理领域应用比较广泛的是活性污泥处理方法,而活性污泥污水生化处理仿真模型(Benchmark Simulation Model No.1,BSM1)是目前应用较多的模型,该模型是由活性污泥生化反应池和二沉池组成。本文把BSM1作为仿真研究对象,描述了BSM1的性能评估标准和常规的控制策略,以出水质量指标为约束条件,以鼓风机能耗和泵送能耗为优化目标,研究不同的气候环境进水数据下,活性污泥污水处理系统中控制器设定值的最优化策略。为了提高控制参数的精度,本文首先对传统的免疫遗传算法进行改进,提出局部搜索的免疫遗传优化算法,该算法以梯度下降的方法加速个体的迭代速度,并且增强了免疫遗传算法的局部搜索能力,以提高收敛时的精度。应用马尔科夫链模型对梯度下降免疫遗传算法进行了数学描述,并给出了数学证明。标准测试函数的仿真实验证明,改进算法能在保持快速收敛速度的同时,达到满意的高精度全局最优值。用标准测试函数对本文提出的局部搜索免疫遗传算法进行性能测试,并将该算法与当前先进的免疫优化算法进行对比实验,结果证明了该算法的有效性。接着,本文将提出的局部搜索免疫遗传算法应用在污水生化处理过程的控制器设定值最优化问题上,在BSM1模型上进行仿真实验,并与常规控制、遗传算法、克隆免疫算法和免疫遗传算法进行对比,结果表明,该算法体现出了更好的搜索性能,能够搜索到精度更高的结果,得到了令人满意的优化效果。目前大多数智能的优化控制策略都是在MATLAB平台上运行,但是MATLAB平台在Windows环境下的并发性能较差,使得优化算法的运算速度还未达到可以实际应用的水平。于是,本文将免疫遗传算法移植到开源的LINUX平台上运行,并进行了相应的优化算法改进:利用共享内存来实现不同优化过程之间的通信,绑定处理器技术消除了处理器调度的资源浪费,进而提升了计算的性能。最终的实验仿真表明,改进的并发免疫算法不仅能提高计算的速度,还能提高计算的精度,完全可以应用在工业现场当中。