基于bp神经网络的混凝投药控制模型研究-市政工程专业论文.docxVIP

The Research of Coagulant Dosing Control Based on BP Neural Network Model A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Degree of Master of Engineering By Feng Haixiang Supervised by Prof. Jiang Shaojie Major: Municipal Engineering College of urban Construction Environmental Engineering of Chongqing University, Chongqing, China April 2011 中文摘要 中文摘要 重庆大学硕士学位论文 重庆大学硕士学位论文 I I PAGE PAGE IV 摘 要 在现代城市生活和生产中，给水系统担负着保护用户供水水质的重要任务。 净水过程中混凝沉淀是一个很重要的环节，混凝效果的好坏直接关系到后续处理 工艺及出水水质的好坏。在混凝剂品种选定、混凝设施水力条件一定的情况下， 混凝剂的投加量直接影响混凝效果的好坏。研究进行混凝剂的合理自动化投加一 直以来都是水处理行业的热门课题。 本课题以实际项目为背景，针对混凝投药控制过程具有影响因素多、大滞后 和非线性的特点，由此造成控制难度加大的问题，在研究传统投药控制方法的基 础上，结合 BP 神经网络的理论思想和控制特点，尝试建立一种基于 BP 神经网络 的混凝投药控制模型，并进行了混凝投药控制系统的初步设计。 文章首先介绍了几种常用的混凝投药控制方法，然后对神经网络的发展和特 点进行了介绍，详细介绍了 BP 神经网络的算法、结构和建模过程，并尝试引入 Levenberg-Marquardt 算法作为 BP 神经网络的主要学习算法。然后，介绍了中试试 验装置的设计原则和重要设计参数，通过中试试验采集了建模需要的数据参数， 分析采集到的运行数据，结合影响混凝投药效果的各种因素和试验地区的水质特 点，选择原水浊度、流量、水温三个因素作为建立 BP 神经网络模型的输入神经元 参数。对采集到的试验数据进行整理之后，运用 BP 神经网络模型进行了仿真和预 测分析。为了比较模型好坏，尝试运用传统数学方法建立多元线性回归模型，找 出了原水水质参数和投药量之间关系的确定表达式，从仿真和预测两个方面对 BP 网络模型和多元回归模型进行比较，分析了模型仿真和预测的拟合效果、绝对误 差、相对误差分布等性能指标。比较之后发现，BP 神经网络模型具有更强的线性 逼近能力，能够根据原水水质对投药量进行很好的仿真和预测。 文章最后以中试试验系统为基础，利用已建立的 BP 神经网络前馈控制模型， 进行了相关硬件连接和软件设计，对基于 BP 神经网络模型的前馈投药控制系统进 行了稳定性和灵敏性调试，认为该控制模型具有较好的稳定性和灵敏性。 关键词：混凝投药控制，BP 神经网络，投药量，多元线性回归模型 英文摘要 英文摘要 重庆大学硕士学位论文 重庆大学硕士学位论文 III III PAGE PAGE IV ABSTRACT In the modern urban life and production, water supply system shoulders the important task which serves for the water quality of the users, coagulation is a very important part of Water process. Its success or failure directly affects the subsequent treatment process and the water quality. If the coagulant species is selected, the coagulation facilities is under certain hydraulic conditions, the coagulant dosage will directly affects the coagulation results. The reasonable and automatic addition of the coagulant research always is one of the hottest topics in the water treatment industry. In th