预测控制和前馈控制在混凝投药中的应用

针对自来水厂混凝投药过程存在的时滞、非线性等特点,研究混凝投药的工作原理,分析水处理系统实际的生产数据后,提出一种混凝投药控制方案。该控制方案采用流量比例前馈控制与预测控制相结合,实现对混凝投药的复合控制。实验仿真结果表明,提出的预测控制有效实现了混凝投药量的大小控制,再结合比例前馈控制方法,使投药量能够实时在线地根据原水水质的情况进行及时调整。     

混凝投药监控系统

混凝投药过程是水处理工艺中重要环节之一,对混凝投药过程的监控是十分需要的.以水处理辅助决策系统项目的开发为背景,利用VB设计了混凝投药监控系统,实现了数据的采集、显示与保存,实时曲线绘制、历史曲线回顾,报警以及投药控制等功能,通过DDE与投药控制装置连接,实现投药控制.运行结果表明,系统能满足监控要求.     

模糊控制和PID控制结合的净水厂投药控制系统

本文分析了当前混凝投药控制系统存在的问题 ,针对混凝投药过程的工艺特点 ,提出了采用模糊控制和传统PID控制相结合的混凝投药控制系统 ,改善了混凝投药的控制效果。     

广义预测控制和PID控制在混凝投药中的应用

针对水处理过程中混凝投药的非线性和时滞特点,分析了其混凝投药的工作原理,采用传统的控制方法难以实现很好的控制效果.提出了一个混凝投药的方案,把广义预测控制算法和PID (proportion-integralderivative)控制算法结合起来,通过预测被控系统的若干个时刻的未来输出值,得到一个新的性能优化函数,通过实时优化被控对象的控制参数,计算出一个合理的混凝投药量.最后,采用Visual Basic软件编程完成该控制方案,并通过对混凝投药自动化控制的现场实验,得到较好的输出控制结果,从而验证了该控制方案的可行性.     

基于RBF网络的水厂投药预测控制

基于神经网络的智能预测控制具有很强的自学习和自适应能力,对于大滞后、非线性的复杂系统有较好的控制效果。针对水处理中混凝投药过程的特点并结合国内目前投药控制的现状,提出了一种带有前馈补偿的RBF神经网络预测控制新方法。该方法利用神经网络建立投药量的预测模型,然后用出水浊度与设定值间的预测偏差构成闭环控制。通过实时的在线滚动优化,实现了投药量的最优投加。仿真试验表明,出水浊度保持稳定,所需矾耗减少,控制效果明显。     

模糊控制在水厂混凝投药过程中的应用

水厂混凝投药过程具有非线性、时滞性等特点,并且影响投药后混凝效果的因素很多,目前很难准确地建立反应过程的数学模型。模糊控制是以控制人员的经验为基础的,它不需要用精确的数学模型来描述系统的动态过程,而且能够方便的加入人的控制经验,极为近似的反映人的控制行为。因此,本文针对混凝投药过程的特点,提出了应用模糊控制来实现混凝剂的最佳投加,该模糊控制器以原水流量和原水浊度作为输入变量,加矾流量作为输出变量,并用某水厂的实际数据完成了仿真研究。最后的仿真结果表明了该方法是有效可行的。     

基于模糊算法的多小脑神经网络在混凝投药系统中的应用

净水工艺中的混凝投药是一个受多变量影响的非线性系统,无法建立准确的数学模型,且滞后时间较长。为了将混凝投药后的出水浊度控制在设定的范围内,并且有效地减少投药量,通过对混凝投药过程的分析,设计一种基于模糊算法的多小脑神经网络(CMAC神经网络)前馈控制器,并设计控制器离线建模和在线学习的方法。最后使用MATLAB进行仿真验证,结果表明,该前馈控制器能够在原水浊度和原水温度变化的情况下,有效地将浊度控制在设定的范围内,并且能够实现投药量的优化。     

净水厂混凝投药量的自学习模糊控制

文章针对净水厂混凝投药过程的特点，介绍了自学习模型控制的基本原理，提出了混凝剂最优投加的自学习模糊控制方法，完成了自学习模糊控制器的设计和数字仿真研究。仿真结果表明，该控制器适应性强，具有很强的鲁棒性和学习性，非常适于混凝剂最优投加的在线实时控制。     

模糊PID控制在水厂混凝投药系统中的应用

本文针对水厂混凝投药系统PID控制的局限性，提出基于模糊自整定PID混凝投药控制结构。该控制具有更小超调和更快动态响应特性，取得了优于传统PID控制的效果。     

絮凝检测曲线特征参数的分析

以通过常规浊度水混凝试验获得的4簇絮凝检测曲线为依据,用图形解析的方法分析了检测曲线的特征参数和投药量及沉后水余浊的关系。结果表明:絮体成长过程中尺寸变化的最大速率S主要受投药量的影响,且沉后水余浊随S值的增大而降低,S值因其检测迅速而适宜于混凝试验的分析;絮体成长达到平衡状态时的检测值Re因其检测方便、检测值可靠而更适宜指导投药控制等生产实践。     

分层模糊控制器在水厂混凝投药过程中的应用

水厂混凝投药过程在给水处理中占有重要的地位,直接关系到出水水质;而这一过程具有非线性、大滞后、多变量等特点,针对这一情况,提出了运用分层模糊控制器来实现混凝剂的最佳投加;论述了分层模糊控制器的设计原理和设计方法,并将其应用于水厂混凝投药这一具体过程;通过Matlab软件对水厂实际数据进行了仿真,结果表明这一方法不但有效可行,而且能避开复杂的数学模型,节约内存资源和计算时间,还能降低劳动强度,减少人为的操作失误,提高控制水平.     

Application of an expert system using neural network to control the coagulant dosing in water treatment plant

The coagulation process is one of the most important stages in water treatment plant, which involves many complex physical and chemical phenomena. Moreover, coagulant dosing rate is non-linearly correlated to raw water characteristics such as turbidity, conductivity, PH, temperature, etc. As such, coagulation reaction is hard or even impossible to control satisfactorily by conventional methods. Based on neural network and rule models, an expert system for determining the optimum chemical dosage rate is developed and used in a water treatment work, and the results of actual runs show that in the condition of satisfying the demand of drinking water quality, the usage of coagulant is lowered.     

基于复合控制的水厂混凝剂投加系统

本文具体分析了在水处理过程中．流量的变化对流动电流控制系统的影响．提出了基于复合控制的混凝剂投加系统。并介绍了该系统在使用中应注意的问题。     

阶跃基权系数时变的预测函数控制

研究预测函数的精度优化问题,传统预测函数控制基函数为全局函数,过程预测轨迹与参考轨迹在预测时域内的拟合只有有限个拟合点,无法实现在整个预测时域内的整体优化目标.针对实际中无法实现全局拟合的情况,提出一种基函数进行加权来提高过程预测轨迹与参考轨迹逼近程度的新方法.根据参考轨迹的特点,采用阶跃基函数,其加权系数随着预测时步的增加而减小,在预测时域内使过程预测轨迹逼近参考轨迹,提高整体优化目标,减小了第一步预测控制量与理想控制量的差.每次控制量计算先进行基函数的权系数修正,保证过程预测轨迹与参考轨迹的尽可能全局拟合.上述预测函数控制策略用于某水厂混凝投药过程控制,在Matlab上仿真表明,具有更好的跟踪性和抗模型失配能力,比传统预测函数控制算法具有更好的控制效果.     

基于PLC的混凝剂投加控制系统设计

详细介绍了一种基于PLC的混凝剂投加控制系统的原理、控制策略、硬件构成和软件设计。该控制系统以透光率脉动检测值作为控制因子,采用双PID控制器的串级控制方式实现了混凝剂最佳投加量的控制,并引入流量比例前馈控制,保证了系统出水浊度的稳定。     

双前馈无模型自适应控制在混凝加药中的仿真

水厂混凝加药过程具有非线性、时滞性等特点,并且影响加药后混凝效果的因素很多,很难准确地建立反应过程的数学模型.无模型自适应控制(MFAC)是一种不需要离线建立数学模型的先进控制方法,非常适用于实际的模型参数难以辨识,且是时变的非线性系统.针对混凝加药过程的特点,提出了带有双前馈无模型自适应控制方案来实现混凝加药过程的仿真.仿真结果表明该方法在混凝加药控制过程具有鲁棒性强、响应速度快和控制精度高的优点.     

水厂加药凝絮过程的建模研究

水厂的加药凝絮过程涉及复杂的物理化学机理,对其进行建模是一项具有挑战性的研究。以某水厂真实的生产数据为基础对基于动态BP神经网络的建模方法进行较深入的研究,得到该水厂加药凝絮过程的初步数学模型,为今后采用先进控制策略对水厂的加药凝絮过程进行控制打下良好的基础。