简介:
本发明提供了一种基于模糊神经网络的废水处理监控方法,该方法在考察现有A/O废水处理系统HRT、好氧池DO和混合液回流比r等参数对出水COD和氨氮影响基础上,应用神经网络结构算法和基于实数编码的遗传算法对神经网络的权值和阈值全局搜索优化,分别构建最优化的BP-ANN软测量模型与GA-ANN软测量模型。在此基础上构建基于软测量模型的溶解氧智能优化控制系统方案,结合OPC技术实现MATLAB与MCGS的数据通信,将溶解氧智能优化控制系统应用于造纸废水A/O工艺处理过程溶解氧优化调控,实现造纸废水A/O废水处理工程的节能降耗。本发明可大幅度提高造纸行业废水排水水质的稳定性,实现精确控制,并减少废水处理过程中的化学药品用量和耗电量。
本发明提供了一种基于模糊神经网络的废水处理监控方法,该方法在考察现有A/O废水处理系统HRT、好氧池DO和混合液回流比r等参数对出水COD和氨氮影响基础上,应用神经网络结构算法和基于实数编码的遗传算法对神经网络的权值和阈值全局搜索优化,分别构建最优化的BP-ANN软测量模型与GA-ANN软测量模型。在此基础上构建基于软测量模型的溶解氧智能优化控制系统方案,结合OPC技术实现MATLAB与MCGS的数据通信,将溶解氧智能优化控制系统应用于造纸废水A/O工艺处理过程溶解氧优化调控,实现造纸废水A/O废水处理工程的节能降耗。本发明可大幅度提高造纸行业废水排水水质的稳定性,实现精确控制,并减少废水处理过程中的化学药品用量和耗电量。