【摘 要】
：
目前我国大部分水厂采用基于水流量定比例的人工控制方式对臭氧进行投加,通常以臭氧接触池出水余臭氧浓度作为控制指标,将余臭氧浓度控制在一定范围。然而,自来水厂使用的水中余臭氧浓度检测仪器存在技术短板,当长期处于水中低浓度（0.2mg/L以下）工作环境容易发生钝化现象导致测量异常,这给臭氧的自动投加带来了很大的困难。此外,臭氧投加过程具有大滞后、非线性和多扰动的特点,在原水水质和进水流量频繁变化的情况下
论文部分内容阅读
目前我国大部分水厂采用基于水流量定比例的人工控制方式对臭氧进行投加,通常以臭氧接触池出水余臭氧浓度作为控制指标,将余臭氧浓度控制在一定范围。然而,自来水厂使用的水中余臭氧浓度检测仪器存在技术短板,当长期处于水中低浓度（0.2mg/L以下）工作环境容易发生钝化现象导致测量异常,这给臭氧的自动投加带来了很大的困难。此外,臭氧投加过程具有大滞后、非线性和多扰动的特点,在原水水质和进水流量频繁变化的情况下人工控制的方式往往难以对臭氧投加量进行及时调整,投加量过少将影响臭氧化的效能,投加量过多则容易带来溴酸盐等消毒副产物,这将危及居民的用水安全。为解决以上问题,本文首先提出了一种水中余臭氧浓度的连续性监测方法,在此基础上,本文以CT值（即水中余臭氧浓度C和臭氧接触时间T的乘积）为控制目标,提出了一种基于扰动观测器（DOB）和内模控制（IMC）的复合控制方法应用于臭氧投加过程控制。本文的主要贡献如下:（1）针对水中余臭氧浓度仪表的技术短板,本文通过分析水厂历史数据选取对水中余臭氧浓度影响最大的原水水质指标,采用随机森林算法建立水中余臭氧浓度和相关水质指标的关系模型。当监测到余臭氧仪表检测异常时,通过软测量的方式获得实时、连续的水中余臭氧浓度,从而为后续反馈控制提供连续的控制信号。（2）针对臭氧投加过程大滞后、非线性和多扰动的特点,本文研究了基于扰动观测器和内模控制的复合控制方式,其中内模控制用于解决滞后问题,扰动观测器用于估计进水水质和进水流量变化引起的模型失配和外部扰动。通过仿真和实验表明,本文提出的IMCPID-DOB复合控制方法能够有效提高自来水厂臭氧化工艺出水水质的稳定性。
其他文献
火灾预警可以降低灾害带来的损失。在大多数情况下,火灾中最先出现和扩散的是烟雾而非明火。因此,对烟雾进行检测并自动准确识别能及时地实现火源的定位。传统的监测手段可能会被地域大小拘束,会被周遭环境影响,或者存在一旦烟雾浓度低,范围小就不容易检测到烟雾的问题,其检测算法的准确率和鲁棒性都难达到预期。这些可以通过改进烟雾检测的算法克服以往检测方法的不足。如何区别烟雾以及和它特征相似的事物,如何快速准确地提
近年来,得益于科技的快速发展,各种各样的医学图像成像技术涌现出来并广泛应用于各大医疗卫生系统,随之产生的大量医学图像的分析则需要消耗大量的资源。随着深度学习技术的兴起,越来越多的人开始将注意力转移到基于深度学习的医学图像分析方法上,医学图像分割正是其中的一个关键问题。目前,基于深度学习的方法已经在很多自然图像分割任务上取得了不错的效果,然而,与自然图像不同的是,医学图像因其自身特性在分割任务上仍旧
随着人工智能和深度学习的发展,目标检测成为当前的热点之一,在自动驾驶、遥感、视频监控和机器人视觉等多个领域有着广泛的应用前景。传统的目标检测算法不仅设计困难,而且不能够充分的提取目标的特征信息,算法的检测精度取决于手工设计的特征表示和特征提取算法的合理性,这也就导致检测效果不理想。目前基于深度学习的目标检测算法检测精度远远超过传统的算法成为了主流,但是目前的卷积神经网络模型对硬件要求高,往往精度越
水下传感器标定技术对于高精度的3D位姿估计、场景重建、水下机器人导航有着重要意义。然而,由于水下环境较为特殊,需传感器部署在密封舱内,不同介质间折射率的变化改变了入射光线的路径。如果直接使用空气中的标定方法会给标定系统带来几何误差,进而影响标定的精度。为了解决多介质带来的折射问题,提高传感器标定的精度,本文做了如下的工作:（1）针对复杂的水下环境导致相机-IMU联合标定过程繁琐的问题,本文基于介质
当今社会中无线网络的应用越来越广泛,无线网络的普及给人们的生活带来了许多便利,与此同时也带来一些通信安全问题。因此,物理层安全技术引来了越来越多研究人员的关注。无线通信系统中在没有上层密钥加密的情况下,物理层安全技术被认为是解决无线通信系统信息安全传输问题的有效方法。但目前现有研究很少考虑到社交感知特性与物理层安全的结合,即很少考虑社交感知特性对辅助节点参与协作的影响。针对上述问题,本文考虑了社交
准确预测城市不同地理区域的交通流量在智能转型系统中发挥了关键作用,如智能交通和公共风险评估。交通流的预测不是简单的线性预测,基于统计和机器学习的预测方法只能预测短期的,随着要求的提高,对中长期预测任务的要求越发迫切,而以往的预测模型往往忽略了时空相关性。虽然当前一些基于深度学习的研究工作建议采用卷积神经网络对相邻区域之间的相关性进行建模,同时在时间维度上使用循环神经层,从而考虑空间和时间相关性,但
信息物理融合系统作为现代科技高度智能化和网络化的产物,内部恶意软件的传播是需要极力避免的现象,而从动力学层面合理预测恶意软件传播的动态行为能够极大程度地保护信息物理融合系统的安全。Hopf分岔作为经典的动力学行为受到了学者们的广泛关注,但在恶意软件传播领域却鲜有学者研究。实际上,分析恶意软件传播模型的稳定性与Hopf分岔对了解恶意软件传播机理有着至关重要的作用,且恶意软件传播动力学的相关研究在数量
在移动机器人的研究领域中,路径规划技术一直是研究人员和学者的重点研究方向之一。本文在传统的快速扩展随机树（Rapidly-exploring Random Trees,RRT）算法的基础上,针对多障碍物环境和不规则障碍物环境下的移动机器人的路径规划问题,提出了两种改进的RRT算法,分别为:在多障碍物环境下的基于变权重势场的改进RRT算法和在不规则障碍物环境下的基于模糊逻辑的改进RRT*算法,并在仿
近年来,无人机以其部署成本较低、灵活机动等优势在无线通信领域得到了广泛应用。在灾难救援、临时战场环境等场景下,可以利用无人机作为空中节点可以快速建立起一套无线通信系统以提供信息交换的服务,但由于无人机会受到能量限制,和地面节点之间的信道也会受到位置影响,因此怎样在有限的资源下提升无人机通信系统的有效性和可靠性是无人机通信需要克服的重点问题。基于上述背景,本文主要研究了一种多无人机协作的无线中继系统
在过去的二十年里,中国铁路实现了跨越式发展。随着铁路总里程迅猛增长、高速客运运营里程不断增加和高密度班次等因素,铁轨表面出现损伤的概率大幅增加。铁轨表面损伤会减少铁轨使用寿命,而且还会非常容易诱发铁轨内部损伤,严重的内部损伤甚至会引发铁轨断裂,造成列车脱轨等严重铁路事故。因此,需要一个能对铁轨表面损伤快速、准确发现的铁路巡检系统,并及时进行维修以避免诱发更严重损伤,导致铁轨寿命大幅度降低。本文采用