浅谈模糊逻辑和神经网络技术在污水厂的应用精密过滤器

浅谈模糊逻辑和神经网络技术在污水厂的应用

浅谈模糊逻辑和神经网络技术在污水厂的应用 2011年12月09日 来源： 当前众多污水处理厂的设计过程中，污水处理流程和主要指标的控制主要由工艺设计来完成，而影响到污水厂日后运行管理的自动化控制工程在这一阶段往往更多地注重于硬件方面，许多成熟的或先进的自动化技术所提供的优化控制方案常常被忽视。许多国外企业利用这些技术非常成功地解决了应用方面的问题。在污水处理领域，这些技术包括众所周知的PID调节、正在为人们所熟悉的模糊逻辑控制，另外，一种更为新颖的技术--神经网络--也表现出相当好的前景。这些以理论为基础的应用技术可大幅度地优化控制系统。 　　许多资料表明，诸如模糊逻辑和神经网络等理论在解决各种过程控制方面的技术问题时取得了相当大的成功，如果用常规的方法来处理这些非线性或“黑箱”问题的话，要么是无从解决，要么是非常复杂且耗资巨大。从发展的角度看，模糊逻辑和神经网络在污水处理领域中应用前景会逐渐广阔。　　下面从控制理论上简要介绍模糊逻辑和神经网络的原理。

1　模糊逻辑

控制工程是模糊逻辑的一个主要应用领域。首先应说明的一点是，模糊并不意味着所获得的结果是模糊、不精确或甚至是完全不准确的。但是，它也不同于二进制逻辑，仅能区分真假（1、0）两种状态，模糊逻辑理论具有描述不精确状态的语句，这些语句由特定的生产工艺和控制方法在获得的实践经验基础上以“规则”的形式引入，这样的控制由模糊控制器来完成。模糊控制器由三个功能模块组成：模糊化单元、模糊推理单元和去模糊化单元。

将物理参数转换成模糊变量的过程称为模糊化，这个转换过程是在所谓“成员功能单元”的帮助下进行的。“成员功能单元”表明如何将许多如很低、低、最优、高或很高之类的术语（也称作“语言”变量）准确地与某一特定值相对应。例如：曝气池溶解氧反馈值可取NB、NS、ZR、PS、PB五个值，对应着很低、低、优、高、很高。　　有时也会出现重叠现象，例如：右图的曝气池溶解氧浓度为2.2mg/l，这个值既为低值又为最优值，而：“最优”推断值比“低”推断值（μ=0.3）更接近于真值（μ=0.7）。因此在这种情况下，就不存在语句必须是真（μ=1）或假（μ=0）的基本规则，这就意味着克服了二进制逻辑固定限量的弊端。　　控制单元由专家和控制操作人员所积累的实践经验组成，这些经验以简单的“规则”形式表示，如直接作用于过程操作的“IF-THEN"语句。例如曝气池根据溶解氧含量控制鼓风量的判断方法：“IF溶解氧浓度很高，THEN空气管路风量快速减”。这样一来，控制单元就将输入变量同受控变量联系了起来，该过程称为“推理”。“推理”的方法有最大值--最小值法、最大点积法等。“推理”除应用在曝气量控制外，还可以应用于回流污泥控制和泵房水位控制、格栅控制等。　　由于受控变量通常都是许多规则的结果，因此有必要总结各自的适用范围，该过程称为“合成”。　　去模糊是将模糊形式确定的受控变量变回数量值的转换过程，这对操作和控制某种执行器来说是很有必要的。　　模糊逻辑技术的应用已经成熟，许多工业控制软件含有这些功能，有些产品还具有专门的模糊控制模块，如果在工程设计阶段把该领域已经取得的“经验策略”通过软件的设计应用到该工程上，无疑会使控制系统变得更“聪明”。

2　神经网络

神经网络工作方式如同人的大脑。从信息处理这点来看，每个神经元性能如同一个简单的处理器。首先，累加加权输入量，然后，经转换功能模块T得出输出值，输出一般是非线性的，存贮于神经元中。接下来，该值再作为下一级神经元的输入值。将许多神经元连接到网络上即可建造一些非常复杂的结构。同级的神经元可以合并起来构成功能层。　　一般都使用3层神经网络。图中带3个输入和2个输出的神经网络结构。神经元的输入信号经加权、累加，然后进入通用的非线性转换功能单元T中。

神经网络开始工作前，加权连接必须经“训练”后建立，为此，网络中应存入输入和输出数据。在“训练”阶段，网络在输入和输出之间完成“学习”功能。在调用阶段，网络的输出即可作为结果使用。　　由于其操作模式具有自然性，神经网络现在可以完成以前常规方法所不能完成的任务。　　下面的例子表明如何运用神经网络模拟虽重要但却不能在线测量的参数，如污水中的COD。COD是生物污水控制工程中需连续测量的、最重要的污染参数之一。为了获得稳定的水质控制，在工艺流程的重要环节采取措施是相当重要的。尽管实验室分析仪器的使用已非常方便，但是，设计人员还不能提供COD的在线测量。难点并不在分析技术的本身，

河北康辉旅行社

北京室内空气净化

渔业水质标准

墨盒回收价格

计算机电缆型号