论文部分内容阅读
混凝环节是水处理中非常重要的环节,准确的投加混凝剂可以有效减轻过滤、消毒设备的负担,是提高水质、取的良好混凝效果及经济效益的关键。目前国内众多水厂采用的混凝投药控制主要是基于流动电流的反馈投药控制和基于传统数学模型的前馈投药控制,控制效果都不太理想,存在沉淀池出水浊度波动大,药剂浪费严重等问题。如何在线得到适合水质变化的最佳混凝剂量,实现混凝剂量的最佳投加,是目前水工业中亟待解决的问题。混凝过程包括混凝剂的投加、混合、絮凝和沉淀部分,这个过程需要40 min以上的时间;影响因素众多,受原水浊度、温度、PH、碱度等的影响,还受配水流量和混凝工艺的影响,是个复杂的物理化学过程,难以准确数学模型。混凝过程是大滞后、非线性、时变系统,难以按传统的控制方法进行有效的投药控制。蓬勃发展的智能控制理论为这一问题的解决提供了新的出路。本文首先介绍了水处理过程和混凝投药控制的发展、现状,在简要介绍智能控制理论中的神经网络控制和模糊逻辑系统之后,引入神经网络与模糊逻辑的融合,并详细介绍了一种用多层前馈神经网络优化模糊逻辑系统的自适应模糊推理系统-ANFIS。然后在分析混凝过程特性和目前主要使用的投药控制方案的基础上,分别设计了能够取代烧杯试验投药控制的基于原水浊度、温度、PH、碱度的BP神经网络前馈投药控制器和ANFIS前馈投药控制器,重点为后者。在ANFIS前馈投药控制器的设计中,运用减法聚类对样本数据进行空间划分,获取初始模糊隶属函数和模糊规则,得到ANFIS模型的初始结构。用成功的烧杯试验历史数据进行了仿真验证,为了比较还进行了传统的数学模型前馈投药控制仿真,从投药预测值-实际值的对比图和均方根误差(RMSE)等可以看出ANFIS投药前馈控制模型明显优于其它两种控制模型,它能够根据原水水质适时有效预测混凝投药量,而神经网络前馈控制器模型的投药预测效果一般。最后本文又进行了ANFIS前馈投药控制的工程实现方案初步设计。