论文部分内容阅读
废水处理过程是具有时变性、大时滞性的动态非线性生物反应过程,并且往往同时受多个变量共同影响,这些因素使针对其处理过程的在线监控和工艺优化的研究受到一定的限制。近年来,随着人工智能的发展,人们开始将智能算法应用于废水处理过程的水质预测和工艺优化中,并且取得了很好的效果。随着日益严格的出水排放标准,探究如何在提高出水水质的同时,降低运行能耗,也是当前废水处理领域需要解决的关键问题。本文在全面了解废水处理基准仿真模型（BSM1）、厌氧氨氧化（Anammox）技术、ANAMMOX与反硝化协同脱氮除碳技术和智能算法应用现状的基础上,分析了活性污泥工艺、ANAMMOX与反硝化协同脱氮除碳过程存在的多目标优化问题,系统的研究了构建多目标优化模型和软测量模型的思路和方法。本研究对于ANAMMOX过程水质的在线监测、工艺优化以及活性污泥工艺节能减排权衡具有重要意义。其主要工作内容和结论如下:（1）开发了废水处理自动监控系统。根据工业废水智能控制中试系统的控制要求,完成了相关软件和硬件设备的选型和废水处理自动监控系统运行界面的组态工作。（2）构建了基于主成分分析（PCA）、粒子群算法（PSO）、遗传算法（GA）和Elman人工神经网络（ANNe）的ANAMMOX过程出水水质的预测模型。采用基于PSO-GA的混合智能算法优化ANNe的初始权值和阈值。结果表明,优化后的模型对ANAMMOX出水NH3-N浓度、TN去除浓度和产气量预测的平均绝对百分比误差分别为0.10、0.033和0.114,对TN去除预测和产气量预测的收敛速度分布提高了15.88%和26.61%。以产气量的预测为例,相比于原始ANNe,预测精度提高了32.9%,其稳定性提高了83.7%,并且预测精度随着训练样本数量的增加而增加,具有工程应用潜力。（3）构建了基于最小二乘支持向量机（LSSVM）和快速非支配遗传算法（NSGA-Ⅱ）的ANAMMOX与反硝化系统脱氮除碳的多目标优化模型。结果表明,基于LSSVM的软测量模型测试阶段对NH3-N去除、TN去除和COD去除值的预测值和真实值相关系数分别为:0.997、0.969和0.990。当进水COD/TN、p H、NH3-N/NO2-N分别为0.24,7.44和0.928时,对应的NH3-N、COD值和TN去除率分别为90.15%、75.25%和89.97%,ANAMMOX与反硝化过程较好脱碳除氮性能。（4）构建了基准仿真模型BSM1的多目标优化模型,对出水水质和运行能耗进行优化。结果表明:相比于原始策略,优化策略下的出水水质提高了72.2%,运行能耗降低了5.68%。并且针对所有的进水水质和控制条件,优化策略对应出水水质和运行能耗总是优于原始策略。