●前言
第1章緒論1
1.1廢水處理過程智能控制的意義1
1.2廢水處理過程監控繫統研究現狀2
1.2.1廢水處理繫統在線監測技術2
1.2.2廢水處理過程監控繫統發展現狀3
1.3廢水處理過程自動控制繫統研究現狀3
1.3.1經典控制4
1.3.2現代控制4
1.3.3大繫統控制5
1.3.4智能控制7
1.4廢水處理在線監測及自動控制智能算法9
1.4.1主成分分析9
1.4.2雲模型11
1.4.3BP神經網絡的基本結構與學習規則16
1.4.4基於遺傳算法的BP神經網絡GA-BP17
1.4.5自適應模糊神經網絡結構與算法ANFIS19
1.4.6基於最小二乘法優化的支持向量機算法LSSVM20
1.4.7基於粒子群算法優化的支持向量機算法PSO-SVM24
1.4.8非支配排序遺傳算法NSGA-II25
1.4.9非支配排序遺傳算法NSGA-III28
參考文獻31
第2章廢水物化處理的模糊神經網絡控制35
2.1廢水處理智能控制繫統的設計35
2.1.1廢水物化處理簡介36
2.1.2實驗室造紙廢水處理智能控制繫統37
2.1.3繫統設備配置介紹39
2.1.4繫統軟件42
2.2混凝投藥預測控制繫統的設計48
2.2.1模糊神經網絡模型結構49
2.2.2網絡結構辨識50
2.2.3網絡參數學習算法52
2.3廢水處理混凝投藥預測模型52
2.3.1預測數學模型52
2.3.2訓練樣本數據的獲取53
2.3.3樣本數據分析與處理54
2.3.4預測模型的結構辨識57
2.3.5預測模型的參數辨識及仿真58
2.4廢水處理混凝投藥控制模型62
2.4.1控制數學模型62
2.4.2控制模型的結構辨識62
2.4.3控制模型的參數辨識63
2.5廢水處理混凝投藥控制效果分析64
2.5.1進水流量變化、進水COD不變時的控制效果64
2.5.2進水流量不變、進水COD變化時的控制效果64
參考文獻66
第3章廢水厭氧處理的混合軟測量模型及多目標優化67
3.1厭氧處理工藝自動監控繫統的設計67
3.1.1廢水厭氧處理簡介67
3.1.2廢水厭氧處理自動監控繫統的硬件構架69
3.1.3廢水厭氧處理自動監控繫統的軟件構架71
3.2基於雲模型的pH智能控制器76
3.2.1廢水處理pH控制策略76
3.2.2雲模型控制器設計77
3.2.3MCGS下實現pH的控制與結果80
3.2.4仿真分析81
3.3基於PCA-LSSVM的厭氧處理出水水質軟測量82
3.3.1PCA-LSSVM的厭氧處理出水水質軟測量模型82
3.3.2厭氧出水VFA軟測量模型83
3.3.3厭氧出水COD軟測量模型91
3.4基於PSO-SVM的廢水處理過程軟測量95
3.4.1PSO-SVM的廢水處理過程軟測量95
3.4.2厭氧處理COD去除率預測模型97
3.4.3厭氧處理VFA濃度預測模型99
3.5基於動力學和PSO-SVM的廢水處理產氣量的混合軟測量102
3.5.1動力學模型102
3.5.2基於微生物動力學和PSO-SVM模型105
3.5.3厭氧處理產氣量的軟測量模型105
3.6基於GA-BP的厭氧處理出水水質軟測量及多目標優化108
3.6.1GA-BP厭氧同時反硝化產甲烷過程的出水氨氮軟測量模型108
3.6.2GA-BP的廢水處理過程產氣量軟測量115
3.6.3基於NSGA-II的多目標優化模型118
3.7基於PCA-BP和PCA-LSSVM的厭氧氨氧化出水軟測量及多目標優化123
3.7.1數據選取與預處理123
3.7.2模型性能評價指標125
3.7.3基於PCA-BP和PCA-LSSVM算法的厭氧氨氧化出水水質軟測量模型125
3.7.4基於PCA-LSSVM和NSGA-II混合智能算法的厭氧氨氧化脫氮繫統多目標優化模型131
參考文獻136
第4章A/O廢水處理過程智能優化控制137
4.1廢水處理智能控制繫統的設計137
4.1.1A/O廢水處理繫統簡介137
4.1.2基於Web方式開發的廢水處理智能控制APP140
4.2基於兩級模糊神經網絡的溶解氧混合控制模型141
4.2.1溶解氧控制的必要性141
4.2.2溶解氧控制方案142
4.2.3模糊及模糊PID控制器145
4.2.4廢水處理溶解氧控制模型151
4.3基於參數優化的動態模糊神經網絡的回流比控制模型159
4.3.1回流比控制的必要性159
4.3.2回流比控制方案159
4.3.3營養物質動態變化預測模型161
4.3.4缺氧池末端硝態氮預測模型168
4.3.5廢水處理回流比控制模型172
4.4A/O廢水處理過程智能控制的實現及控制效果分析175
4.4.1溶解氧控制效果分析175
4.4.2回流比控制效果分析177
4.5活性污泥法廢水處理仿真基準模型建模與多目標優化178
4.5.1基於MATLAB的仿真基準模型的建模178
4.5.2基準仿真模型BSM1的多目標優化建模步驟179
4.5.3基準仿真模型BSM1的評價函數180
4.5.4基準仿真模型BSM1的約束規則180
4.5.5多目標優化算法和BSM1模型之間的參數傳遞及使用方法181
4.5.6基準仿真模型BSM1的進水水質分布情況181
4.5.7優化策略下的節能減排分析182
參考文獻187
第5章A2/O廢水處理的神經網絡軟測量及智能優化控制189
5.1廢水處理智能控制繫統的設計189
5.1.1A2/O廢水處理繫統簡介189
5.1.2廢水處理自動控制繫統的硬件構成190
5.1.3廢水處理自動控制繫統的軟件構成192
5.2基於神經網絡和遺傳算法的出水水質軟測量194
5.2.1神經網絡軟測量模型的建構和優化194
5.2.2出水COD的軟測量模型199
5.2.3出水氨氮的軟測量模型204
5.3基於自適應模糊神經網絡的出水水質軟測量210
5.3.1軟測量模型結構及算法的確定210
5.3.2出水COD的軟測量模型216
5.3.3出水氨氮的軟測量模型220
5.4基於GA-BP和動力學模型的鄰苯二甲酸二丁酯降解預測模型223
5.4.1實驗材料和方法223
5.4.2造紙廢水有機物分析及選擇225
5.4.3DBP在A2/O中的遷移轉化研究225
5.4.4DBP去除機理分析與模型研究230
5.4.5基於GA-BP神經網絡的出水DBP預測模型232
5.4.6實驗模型比較236
5.5基於自適應模糊神經網絡軟測量模型的溶解氧智能優化控制237
5.5.1溶解氧控制方案237
5.5.2廢水處理出水COD預測模型239
5.5.3廢水處理溶解氧的智能優化控制241
5.5.4溶解氧控制效果分析245
參考文獻246
第6章工業廢水智能控制繫統工程案例248
6.1制漿造紙廢水處理簡介248
6.1.1制漿造紙廢水處理工藝簡介248
6.1.2制漿造紙廢水的來源及特點250
6.1.3制漿造紙廢水處理過程的特征251
6.2制漿造紙廢水處理過程的主要影響因素及注意事項251
6.2.1制漿造紙廢水處理過程的主要影響因素251
6.2.2制漿造紙廢水處理過程日常操作注意事項253
6.3制漿造紙廢水處理智能控制繫統研究體繫254
6.3.1制漿造紙廢水處理過程存在的問題254
6.3.2制漿造紙廢水處理控制方案255
6.4制漿造紙廢水處理應用工程繫統設備簡介256
6.4.1一體化高效物化反應器256
6.4.2兩相兩階段高效厭氧反應器258
6.4.3生物接觸氧化池259
6.4.4PS高級氧化反應器260
6.5制漿造紙廢水處理自動控制繫統構建262
6.5.1制漿造紙廢水處理廠常用工藝流程262
6.5.2智能控制繫統框架263
6.5.3智能控制繫統的搭建流程263
6.5.4設備配置264
6.5.5組態設計274
6.5.6智能控制繫統操作運行界面276
6.6制漿造紙廢水高級氧化處理智能加藥繫統構建
2796.6.1制漿造紙廢水高級氧化處理智能加藥繫統數據處理
2796.6.2建模基本過程及模型參數的選擇與設定281
6.6.3PS高級氧化技術智能加藥控制繫統的設計及仿真283
6.6.4模糊控制器的建模過程及模型參數選定284
6.6.5PS高級氧化智能加藥繫統Simulink仿真模型的建立286
參考文獻286

廢水處理是一門涉及化學、物理、生物等多門學科的綜合性技術，為了更高效地治理廢水，人們已逐步將計算機技術和自動化技術應用於污水處理的過程控制中，構建各種高性能廢水處理監測和控制繫統。本書詳細介紹了廢水處理過程中各種軟測量模型和控制機理模型的建模方法，並將其與多目標優化模型相結合，應用於具體的廢水處理工藝過程中，形成集水質預測、優化、控制為一體的廢水處理智能優化控制模型。本書可供廢水處理相關領域的科研人員、工程技術人員與管理人員，以及高等院校環境科學與工程等專業的師生參考。