一、透光率脉动絮凝投药自控系统动态模型(论文文献综述)
庹婧艺(Mojito)[1](2021)在《改进RBF神经网络控制水厂混凝剂投加量的研究》文中认为供水系统作为城市的基础设施,水质质量直接影响人们的用水安全。在净水厂处理工业中,混凝沉淀是水处理系统的重要工序,决定着水厂出水质量和制水成本,其中混凝剂投加量的控制是关键。由于进入净水厂原水水质地波动,净水厂混凝投药过程存在较大的时滞性,很难及时且精准的计算投药量。因此,对水厂混凝投药系统进行建模,来预测投药量,对保证供水质量安全、降低能耗十分有意义。本研究通过径向基(RBF)神经网络预测模型对水厂混凝剂投加量状况进行预测。水厂投药量模型系统的建立和研究结果如下:(1)通过基于方差分解的全局灵敏度分析方法对原水浊度、色度、菌落总数(CFU)等7个混凝投药的主要影响因素进行灵敏性分析,计算出影响净水厂混凝剂投加量的影响因素排序为:原水浊度(NTU)>原水流量(Q)>耗氧量(CODMn)>原水p H,确定预测模型为4×191,X(Qx1n,NTUx2n,PHx3n,CODMnx4n)的输入矩阵,1×191投药量输出矩阵,明确了其网络结构。(2)构建了单一RBF网络模型、RW(随机游走)-RBF改进网络模型和PSO(粒子群)—RBF改进网络模型,对比了RW算法和PSO算法对RBF网络的优劣,发现PSO-RBF比RW-RBF算法MAPE低5.82%,MRE低0.98%。在此基础上确定了基于PSO等方法组合改进RBF神经网络的复合控制方案。采用减法聚类方法确定基函数初始中心点位置及其隐层节点个数,利用PSO算法动态更新RBF网络基函数的中心点位置,采用伪逆法确定函数的权值,最终改进后的模型预测系统能够精准的给出混凝药剂投加量。(3)研究发现,PSO-RBF模型相较于单一RBF模型MRE降低了3.05%,REmax(最大相对误差)降低了0.1986。粒子间的合作与竞争使PSO改进RBF模型增加了对多维复杂空间的高维搜索能力,可以快速求得神经网络权值的最优解。模型的鲁棒性降低,收敛速度更快,精度更高,实现了对混凝投药的准确控制。(4)PSO-RBF模型可直接得出投药与原水进水水质的映射关系,数据的时间排序问题不再约束网络程序结果。另外为了验证模型的普适性,本研究选取了其他地区的水厂对模型进行检验,结果表现较好,建模过程优于二元回归模型和机理模型,可为模拟自来水厂投药量提供有效参考。
法丽扎[2](2019)在《厂级净水系统的自动控制与监测系统设计》文中进行了进一步梳理自来水生产是关系到国计民生的关键基础产业之一,随着社会的发展和科技的进步,人们对自来水水质稳定性、可靠性等方面的需求不断提升,对净水生产的自动化控制要求也越来越高。本文在山西某新建净水厂的工程需求基础上,结合净水处理工艺,完成了净水厂生产运行的分布式自动控制及实时监测系统设计,开发了基于WinCC的全厂生产运行监控的管理层集中监控系统,包括硬件电路搭建、软件系统开发及通信连接配置。本文具体工作内容如下:(1)制定了系统的总体控制方案,研究了关键工艺控制算法。研究了絮凝剂投加量与原水浊度、pH及流量的关系,建立基于相似水厂运行数据的絮凝剂投加量数学模型。在VC环境下,设计基于现场数据周期性自运算优化投加量的控制程序。并针对混凝工艺大时滞的特点,引入沉淀池出水浊度作为反馈,构成复合环控制系统,根据出水浊度实际情况,使用模糊PID控制调整参数,完成投加量的在线控制。(2根据工艺要求,编写了各控制单元的控制程序。使用7台西门子CPU315-2PN/DP作为控制层工作站,依据各工艺生产的控制要求,利用TIA Protal V14软件编写了各PLC控制程序及HMI界面,完成了絮凝沉淀车间、滤池及反冲洗车间与加氯加药车间内各设备的操控和整个工艺生产的协调运行控制,实现了各工艺参数采集,并及时对其调节,从而保证净水处理的质量。(3)设计了适用于该厂级净水系统生产运行的监测系统。采用WinCC组态软件设计了由主界面、员工管理系统、参数设置系统、操作记录系统、报警记录系统以及各工艺流程监控界面组成的上位机监控系统,能够动态显示各工艺生产过程、各设备运行状态以及各参数趋势曲线,具有丰富的界面功能。建立员工管理数据库、生产运行数据库、故障及报警数据库,完成各个环节工艺参数的实时调节、记录、存档及管理。(4)采用环形以太网构建通信网络,完成各PLC控制站与管理层监控系统的数据通信。使用分时通信方法,实现了链路冗余,解决了数据流量大,网络拥堵和通信延时等问题,具有可靠性高、交换速率高、抗干扰能力强等特点。该厂级净水系统在整体结构上,硬件配置具有较高的可扩展性且组网方便,在完成厂家要求的控制功能的同时,能够有效地提高水厂的自动化水平,降低劳动生产强度并有效保障供水的可靠性和水质安全性。
沈泽华[3](2018)在《智能水厂投矾加氯控制系统的研究设计》文中进行了进一步梳理随着生活水平的提高和控制技术的不断进步,国家对于自来水水质的要求越来越严苛。对于水处理过程而言,投矾加氯控制是净水工艺中最为重要的一环。准确的混凝剂和氯气投加是水厂保证自来水品质和经济效益的关键步骤。本文根据新建南太湖自来水厂的实际情况,对投矾加氯过程进行了完整的、系统性的分析。首先通过查阅大量相关文献资料,从影响源水混凝和消毒的主要因素入手,在确定了它们的参数变量后,对加矾加氯过程建立了源矾液配制模型、成品矾配制模型、加矾控制模型、滤前加氯模型和滤后加氯模型五个子系统模型。接着,本文给出了参数间的关系计算式和模型的工作流程,通过以上技术资料,研究人员就可以对控制过程进行PLC程序编写,同时对系统进行上位机监控界面的设计。经过半年的自动化生产运行,该模型设计在药剂配制和投加中均取得了良好的控制效果。最后,本文对矾量投加控制系统进行了更加深入的理论仿真研究。针对加矾过程中大滞后、非线性、时变性的系统特性,发现了简单的反馈控制回路难以保障出水品质的问题。因此,本文提出串级DMC-PID控制方法,用以解决响应不及时、出厂水水质不稳定和矾液投加精度不高等由于大滞后带来的各种现实问题。本文设计的加矾串级DMC-PID控制系统以进水流量为内环的被控量,温度、pH值等其他干扰因素作为前馈检测量,这些参数共同作用调节计量泵的投加频率;同时系统以源水浊度为外环的被控量,直接调节计量泵的投加量。对控制对象采用单回路PID、串级PID及串级DMC-PID三种控制策略进行仿真分析,得到的结果表明串级DMC-PID控制算法的控制性能明显优于其他两种方法,能及时有效的根据源水水质变化快速调整投药量,降低矾耗,实现高效、经济的供水。投矾加氯控制系统的研究设计为水厂智能化建设提供了一个新的思路,对工程实践具有指导意义。
贺岩[4](2017)在《田村水厂加药精确控制研究》文中研究表明随着社会的发展,人们对水量的需求渐渐增大,对水质的要求也在提高。可以说,供水事业对于人民日常生活是十分重要的。所以,使供水水质有所提升的同时,又不能减少日供水量,这对水厂运行和净水工艺是一个挑战。加药混凝、絮凝,是净水流程中最重要的步骤;但进厂水水量、水质等因素的变化,又会对加药过程产生影响,这就使加药环节成为水处理环节中的一大难点。所以如何精确控制加药量,补偿干扰,是现代水厂运营中待解决的一个难题。论文基于田村山净水厂的实际情况,对该水厂离散控制系统进行框架设计,并针对混凝过程存在的问题,设计了加药环节前馈-反馈控制方法,改进传统PID控制器为积分分离PID控制器,设计PLC程序。具体做了以下几点研究:(1)首先研究水厂水处理工艺和控制系统框架,设计分布式控制系统。并根据实际情况,对加药混凝环节控制方法进行设计,确定了以PID控制器为核心的负反馈控制方法。(2)根据水厂水质剧烈变化的过程中,PID算法的积分环节容易过分积累,而使系统出现超调的缺陷,修改控制器算法,提出了积分分离PID控制的方法,实现了加药环节算法的优化改进。(3)对进厂水水量突变,影响加药环节的情况,提出前馈控制的方法,解决系统的干扰问题,并最终确立了加药系统前馈-反馈控制方法(4)将控制系统抽象成数学模型,求出被控对象的传递函数。用MATLAB中的SIMIULINK工具箱做系统仿真,对比传统PID控制器及积分分离PID控制器的控制效果,同时做系统扰动仿真试验。(5)对所设计的加药系统,进行工程实现,系统包括配药和投加两个部分,设计PLC程序,对系统前端硬件进行选型设计。(6)应用组态王软件,对上位机监控系统进行设计。通过组态画面,让操作人员及时有效的掌握水厂的运行情况。并对系统进行运行前调试,在系统正式运行之初,后收集数据并进行分析,验证设计初衷。
赵文轩[5](2015)在《混凝沉淀过程机理建模与仿真》文中进行了进一步梳理通过对给水处理中混凝沉淀过程进行机理分析,根据系统特点和物料守恒原理对系统进行机理建模。模型包括混合、絮凝和沉淀三段,反映了原水浊度、温度、混凝剂量与沉淀池出水浊度之间的关系。基于所建模型,通过仿真分析了不同混凝剂量对沉淀池出水浊度的影响,以及不同水流速度梯度值对水中胶粒絮凝效果的影响。研究表明所建模型可以辅助给水处理过程混凝投药控制的分析,对进一步认识混凝沉淀过程的机理有现实意义。
饶宁[6](2013)在《水处理混凝投药预测控制方法研究》文中研究表明在实际工业控制过程中,复杂工业过程模型往往难以建立,模型预测控制算法因对模型的精度要求不高,在建模的简易性、鲁棒性等方面有显着优点,抑制了控制算法对于系统模型参数变化的灵敏性,因此在复杂工业生产控制过程中得到推广应用。混凝投药是自来水处理中的关键环节之一,通过投加明矾等药剂除去原水中的杂质及其他有害物质,这一过程效果的好坏将直接影响水厂的出水水质。传统的数学模型法、流动电流法等方法不能适应水质特性的强烈变化,单一的控制模型很难有好的控制效果,不同水质的特性需要有不同的模型与之匹配,为此本文提出了水处理混凝投药的0-1组合优化模型,根据源水流量的变化切换模型。考虑到水厂的经济性能,提出一种混凝投药系统的双层结构模型预测控制策略,论文取得的主要工作包括以下几个方面:1.提出了一种水处理混凝投药的0-1组合优化模型,根据当前水质的稳定程度,动态选择适当的模型,使得在不同水质特性时利用匹配的模型实现控制,实现良好的控制效果。当水质比较稳定、变动不大的时候,直接采用单一的回归模型进行预测;但当水质变动大、情况复杂的时候,采用单一的BP神经网络。0-1组合模型根据当前水质的稳定程度,动态决策用哪一个模型,不同的水质特性有不同的模型与之匹配,达到优化控制的目的。2.采用水厂的实际数据建立了0-1组合优化模型,并进行仿真分析,与单独采用非线性回归模型、BP神经网络模型进行控制做数据拟合比较,得出BP神经网络模型能直接从历史数据过渡到过程工艺,能有效避免建模所需要的各种流程参数,这对雨天等复杂情况效果好。回归模型对晴天等水质情况变化不大的时候效果好,单个模型各有自己的优势,0-1组合优化模型是取了他们控制效果最好的一部分,是一种组合优化。3.提出了混凝投药系统的双层结构模型预测控制策略,采用MPC稳态目标计算和动态优化控制两级结构,上层稳态优化,下层动态控制,在每一个采样时刻动态优化性能指标,同时传递给下层,结合考虑了水厂的实际经济效益,通过目标函数来体现经济性能,实现卡边控制。经过仿真分析可以看出双层结构模型结合了实际水厂的运行情况,能及时得到加明矾和氯对浊度和pH的影响,避免因浪费而提高成本,降低效益。
哀微[7](2011)在《基于随机逼近的数据驱动控制方法研究》文中认为在工业过程控制中,传统的依据物理化学机理建立精确数学模型来对生产过程和设备进行控制、预报和评价已变得越来越困难。数据驱动控制就是一种直接从数据到控制器设计的控制理论和方法,它将控制器从传统的模型控制中解脱出来,解决了对受控对象数学模型结构的依赖和未建模动态的问题。论文从各种典型的数据驱动控制理论与方法研究出发,在梯度信息估计算法框架和控制器参数辨识结构框架下,提炼出它们共同的基础理论,建立基于随机逼近的数据驱动控制方法局部体系。论文就以下几个方面开展深入系统的研究,并取得了一些成果。1.研究了两种典型的随机逼近算法:基于梯度的Robbins-Monro随机逼近算法和免梯度的Kiefer-Wolfowitz随机逼近算法。从函数极值角度转换到控制问题角度,研究了同时扰动随机逼近算法(简称SPSA),同时对单值SPSA、二阶自适应SPSA算法及其改进形式的优缺点进行了研究。论文提出,控制问题中的SPSA算法比方程求根或函数极值问题中的SPSA算法更强调实效性和稳定性,算法应在收敛精度和收敛速度上有所权衡。因此论文提出了一种针对控制问题的单边SPSA算法,能够在实际控制中节约量测数据,仿真表明,该算法良好权衡了收敛速度和收敛精度,比其它SPSA算法更能够适用于控制问题。2.针对受控系统的数学模型完全未知,论文采用SPSA算法建立了有效的数据驱动控制方法。论文提出并解决了基于SPSA的数据驱动控制的两个关键问题:数据利用问题以及面向控制的SPSA方法问题。数据驱动控制中数据的信息量和有效性决定了控制的品质,如何有效地选取测量数据计算控制率是一个关键问题。论文将单边SPSA算法与数据驱动控制问题结合,提出了基于动态偏差的数据利用方案,并将控制参数的标定转换成扰动向量的标定问题,对神经网络结构的函数逼近器进行直接自适应权值调整,完全不依赖于对象模型,对非线性对象进行了控制仿真,控制结果表明了该方法的有效性。3.提出将迭代反馈整定方法(简称IFT)分为完全无模型IFT和基于模型的IFT,重点研究了将迭代反馈整定应用于大滞后系统,结合Smith预估结构,提出了一种大滞后系统数据驱动直接控制算法。着重针对过程大时滞的特点,在性能指标中加入了预估误差惩罚因子。提出了一种新的步长设置方法,使得步长的下降速率可调,设置了一种可变时间权重系数,根据实际的迭代次数进行调整,保证了系统的稳定性。研究表明,改进方法使得IFT能够在抗滞后方面表现出较强的收敛性和稳定性,并且降低了对迭代初值的要求。4.不同于以往根据待整定参数确定IFT实验次数,论文提出在保证梯度无偏的前提下,找到IFT所需的最小实验次数的实验准则。通过规则设计了三个闭环实验来求取性能指标梯度向量的无偏估计,完全利用输入输出数据对广义控制器参数实现了自整定,有效地减轻迭代所需的数据量,加快控制器优化的速度,在IFT的在线整定中发挥关键作用。5.深入分析了虚拟参考反馈整定VRFT与内模控制的等价性,将虚拟参考反馈整定数据驱动方法引入到IMC-PID控制器的整定中来,提出了一种不基于模型参数的VRFT-IMC参数整定方法。该方法集合了内模控制鲁棒性强和数据驱动控制的自适应性较好的各自优点,控制性能优于普通IMC-PID控制器,可用于复杂过程的控制器参数的初始整定和实时自整定。6.针对离线虚拟参考反馈整定算法要求整定过程中对象特性保持不变的缺点,提出了一种在线VRFT数据驱动算法。首先利用滤波器改变了离线算法的时序,得到用于实时运算的有效数据,提出了基于带遗忘因子递推最小二乘法的VRFT控制器参数辨识方法,不依赖于对象模型,完全利用实时数据实现了在线控制器参数整定。仿真结果表明,在对象特性变化较大的情况下,在线VRFT整定方法优于传统的离线VRFT方法,具有很好的自适应性。论文最后对全文进行了总结,并指出若干有待于今后进一步研究的内容。
曹龙[8](2011)在《给水处理厂加药系统的控制研究》文中进行了进一步梳理水是人类赖以生存的源泉,随着社会的发展,人们对水质的要求越来越高,这就对给水厂的水处理工艺提出了更高的要求。混凝加药是给水处理工艺最为重要的环节之一,加药量过少水质不达标,加药量过多也会影响混凝沉淀的效果,同时又会造成药剂的浪费,使水厂的运营成本增加。本文以给水处理工艺中的加药控制系统为研究背景。针对水厂中当原水的水质、水量等因素变化时,加药系统难以准确迅速的调整加药量保证混凝效果这一难题,进行了深入研究。通过调查发现水厂目前大部分的加药控制系统采用前馈一反馈的控制结构,当原水水质和水量发生变化时,利用前馈控制器来减小或消除干扰,利用反馈控制器来进行偏差的修正。而前馈控制器主要采用流量比例控制,即只根据流量的变化来控制加药量成比例的增加。水质变化产生的影响主要用反馈控制器来修正。但水质变化是影响加药量的重要因素,混凝反应又是个滞后的过程,利用反馈来修正水质的变化往往不够及时。因此本文利用最小二乘法对前馈控制器作了改进,加入了水质因素,使前馈加药量更为准确。目前水厂中反馈控制器主要采用传统的PID控制算法,当水质和水量稳定时,传统PID有比较良好的控制效果。但是当水质和水量变化时,导致干扰的加剧和混凝过程模型的变化,而传统PID控制器以一组不变的控制参数难以很好的应对这些变化,系统振荡加剧,对系统流动电流SCD设定值的跟踪效果不佳。针对以上问题,本文分别进行了内模-PID控制器和专家-PID控制器的设计,并与传统PID控制器进行了比较。仿真分析的结果表明,利用最小二乘法拟合出的前馈加药量与水厂烧杯试验得出的最佳加药量比较相近。当由水质和水量因素变化导致干扰的产生和混凝过程模型的变化时,内模-PID控制器和专家-PID控制器比传统的PID控制器有更好的跟踪性能,在抗稳定性、干扰能力和鲁棒性上都有所改善。
赵寅军[9](2011)在《混凝投药预测函数控制研究》文中研究指明混凝投药过程是水处理工艺中重要环节之一,它不仅影响最后的出水品质,而且对后续工艺处理效果也产生重要影响,因此对混凝投药过程中混凝剂的准确投加控制的研究是很有必要的。由于混凝投药过程的复杂特性,常规的投药控制方法难以适应水质的剧烈变化,鲁棒性较差。预测函数控制基于预测模型,对控制进行滚动优化,具有对模型要求低、在线计算量小、跟踪性和鲁棒性良好等特性,在复杂工业生产过程中得到广泛应用及取得良好效果,预测函数控制适合用于混凝投药过程控制。针对混凝投药过程具有大滞后、强非线性、难以精确建模及带有可测扰动等特点,本文提出了一种基于非线性回归模型带可测扰动前馈补偿的预测函数控制方法。考虑传统预测函数控制中的过程预测轨迹与参考轨迹在预测时域内只有有限个拟合点,提出一种通过对基函数进行加权的预测函数控制新方法,提高过程预测轨迹与参考轨迹逼近程度及控制量的准确性。论文的主要工作包括以下几个方面:1.针对传统预测函数控制未考虑整个预测时域内的整体优化目标问题,论文给出了基于阶跃基加权且权系数滚动优化的阶跃基权系数时变的预测函数控制方法。根据参考轨迹的特点,基函数选用阶跃基且加权系数随着预测时步的增加而减小,且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。数值仿真验证阶跃基权系数时变的预测函数控制方法的有效性。2.关于水处理混凝投药过程具有非线性带可测扰动的特点及传统预测函数控制对强非线性过程抗模型失配能力严重不足的特点,论文给出了基于非线性回归预测模型带可测扰动前馈补偿的预测函数控制方法。回归模型的非线性变量用泰勒展开公式表达,模型结构简单、计算量小、辨识方便。此外可测扰动前馈补偿提高了过程预测值的准确性,加强控制的抗模型失配能力。数值仿真验证非线性回归预测模型带可测扰动前馈补偿预测函数控制方法的有效性。3.由于水处理混凝投药过程的特点及上述的基于非线性回归预测模型带可测扰动前馈补偿阶的跃基权系数时变预测函数控制算法的特性,给出了基于此预测函数控制方法的混凝过程絮凝剂最佳投加控制器设计。同时由于混凝投药变频调节存在二次干扰,论文中给出了此预测函数控制与PID控制相结合的双环控制模式。所设计的控制器保证混凝投加控制适应水质剧烈变化,且跟踪性能良好,水厂运行结果验证了混凝投药预测函数控制方法的有效性。4.论文利用VB设计的混凝投药监控系统,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。水厂运行结果表明,系统能满足监控要求。最后对全文作了总结,并对课题研究作了展望。
王军栋[10](2011)在《混凝投药过程非线性预测控制研究》文中认为混凝过程是自来水生产的重要环节之一,该过程通过投加药剂去除原水中的悬浮物和其它有害物质,达到净化的目的。由于混凝投药过程是一复杂的物理化学过程,对其控制需要处理非线性、时滞和随机等难题。本文以黑龙江省科技攻关项目《北方高寒地区小城镇(区)生活污水处理与回用集成技术应用研究》(编号GB05C20202)和横向项目《制水厂混凝过程模型及自动投药系统》为背景,研究水源水质预报、混凝投药控制策略,开发混凝投药监控装置。数学模型是混凝投药控制系统分析与设计的基础。然而,混凝过程机理复杂,难于从理论上进行建模。本文采用实验建模方法,分别建立混凝投药过程的线性模型和非线性模型。在线性建模中,将混凝过程模型分解为确定性和随机性两部分,对其分别建模。其中,确定性模型通过实验建模法求取,随机模型采用ARIMA模型对混凝过程拟合得到;在非线性建模中,混凝过程采用Hammerstein模型,以QPSO算法辨识过程参数。原水水质影响后续工艺过程,也影响出水水质。开展水源水质预报,提前预知其变化规律并提供给控制系统,不但能够使投药精度得到提高,而且还可掌握水质现状及其发展趋势,为分析判断事故原因及危害性,开展水环境水资源质量评价提供基础数据和手段。原水浊度具有非线性、非平稳等特性,针对这些特点,本文分别采用线性和非线性方法对其进行预报研究。对非平稳时间序列进行平稳化处理,然后采用基于自相关法的AR模型法进行水质预报;应用RBF神经网络进行预报时采用相空间重构的方法,在所采集数据的基础上增加数据的信息量,提高预测的准确度;应用支持向量机与经验模态分解相结合进行预报时,将原始浊度序列在时频空间分解为多个固有模态分量,分别采用支持向量机法对各模态进行预测,然后合成为浊度序列预测。最后通过仿真分析、比较各方法的性能。预测控制能够适应具有非线性、时变、时滞、不确定等特性的对象,基于非参数模型的动态矩阵控制和基于线性参数模型的广义预测控制等预测控制算法已经在工业过程控制中得到成功的运用。针对混凝投药控制系统的现状,本文对混凝投药过程的预测控制算法进行研究。文中对经典预测控制方法DMC算法进行改进,用DMC模型简化和预报误差校正结合的方法减少计算量,提高实时性,并解决模型失配问题;研究基于一维黄金分割法求解控制律的RBF神经网络预测控制方法,给出其偏差控制算法和控制律求解过程;研究基于Hammerstein模型的非线性预测控制,给出其控制律算法;通过仿真验证上述几种算法的有效性。在前述研究内容的基础上,研究基于LonWorks技术的混凝投药过程监控系统设计方案。对投药过程进行复合控制研究,给出包括前馈控制器和预测控制器的投药过程复合控制策略。设计软件和硬件,并在混凝投药模拟装置上进行工程试验。
二、透光率脉动絮凝投药自控系统动态模型(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、透光率脉动絮凝投药自控系统动态模型(论文提纲范文)
(1)改进RBF神经网络控制水厂混凝剂投加量的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 研究背景及意义 |
1.2 水厂混凝投药方法研究 |
1.2.1 人工控制阶段 |
1.2.2 装置自动控制阶段 |
1.2.3 智能预测控制阶段 |
1.3 论文研究的主要内容 |
1.3.1 研究目的与内容 |
1.3.2 技术路线及主要创新点 |
第二章 预测模型影响因子介绍 |
2.1 混凝投药过程 |
2.2 影响混凝投药效果的因素 |
2.2.1 水厂生产运行因素 |
2.2.2 原水水质因素 |
2.2.3 混凝投药净化过程的特点 |
第三章 混凝投药数学模型的选择 |
3.1 RBF人工神经网络 |
3.2.1 神经网络发展历程 |
3.2.2 RBF学习算法 |
3.2.3 RBF网络结构 |
3.2 RW-RBF神经网络预测模型 |
3.2.1 RW随机游走算法 |
3.2.2 RW-RBF模型测试 |
3.3 PSO-RBF神经网络预测模型 |
3.3.1 PSO粒子群算法 |
3.2.3 PSO-RBF模型测试 |
第四章 PSO改进RBF混凝投药模型建立 |
4.1 影响因子的确定 |
4.1.1 基于方差分解的全局灵敏度分析法 |
4.1.2 方差分解全局灵敏度结果 |
4.2 模型构建 |
4.2.1 数据预处理 |
4.2.2 减法聚类法确定节点数N |
4.2.3 基函数计算标准差σ |
4.2.4 伪逆法确定RBF函数权值 |
4.2.5 PSO算法改进更新RBF网络中心点位置 |
4.3 改进模型结构 |
第五章 改进RBF模型检验及结果分析 |
5.1 运行结果分析 |
5.1.1 预测精度测试 |
5.1.2 收敛速度测试 |
5.2 适应度检验 |
5.3 模型性能分析 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录A:作者攻读硕士学位期间取得的成绩 |
附录B:部分 Matlab 软件源程序 |
(2)厂级净水系统的自动控制与监测系统设计(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及意义 |
1.2 国内外研究现状 |
1.2.1 净水处理工艺现状 |
1.2.2 水处理监控系统的发展现状 |
1.2.3 工业以太网的特点与研究现状 |
1.2.4 净水絮凝剂投加量控制现状 |
1.3 本文主要的研究内容 |
2 厂级净水系统控制方案及控制策略 |
2.1 厂级净水系统控制方案设计 |
2.1.1 控制系统总体架构 |
2.1.2 工艺控制流程 |
2.2 控制系统关键工艺参数控制算法 |
2.2.1 絮凝剂投加量影响因素及数学模型建立 |
2.2.2 投加量周期性自运算程序 |
2.2.3 絮凝剂投加量模糊PID控制算法 |
2.3 本章小结 |
3 各控制单元监控系统设计 |
3.1 控制器选型及监控系统总架构设计 |
3.1.1 可编程逻辑控制器选型 |
3.1.2 监控系统开发环境及总架构设计 |
3.2 絮凝沉淀单元控制系统设计 |
3.3 滤池及反冲洗单元控制系统设计 |
3.3.1 滤池子站控制系统设计 |
3.3.2 反冲洗控制系统设计 |
3.4 加氯加药单元控制系统设计 |
3.5 净水监控系统设计 |
3.5.1 主界面 |
3.5.2 总工艺流程监控界面设计 |
3.5.3 员工管理系统设计 |
3.5.4 报警记录系统设计 |
3.5.5 参数设置及操作记录系统设计 |
3.5.6 数据归档设计 |
3.6 本章小结 |
4 厂级净水系统网络通信与调试 |
4.1 厂级净水系统总体网络架构 |
4.2 WinCC以太网通信组态实现 |
4.2.1 WinCC通信基础 |
4.2.2 WinCC以太网通信设计 |
4.3 PLC通信设计 |
4.4 系统调试 |
4.5 本章小结 |
5 总结与展望 |
5.1 全文总结 |
5.2 研究展望 |
参考文献 |
附录1 建立数学模型的相似水厂运行数据 |
攻读硕士期间发表学术论文情况 |
致谢 |
(3)智能水厂投矾加氯控制系统的研究设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 论文背景及研究意义 |
1.2 国内外自来水处理技术的发展 |
1.2.1 自来水处理技术的发展历史 |
1.2.2 投矾加氯技术的研究现状 |
1.2.3 水厂自动化的硬件和软件 |
1.3 研究内容及论文结构 |
1.3.1 论文研究的内容 |
1.3.2 论文结构 |
第2章 投矾加氯控制关键技术 |
2.1 加矾混凝沉淀 |
2.1.1 混凝剂的选取 |
2.1.2 影响混凝效果的因素 |
2.2 加氯氧化消毒 |
2.3 南太湖水厂药剂投加的方法分析 |
2.3.1 人工控制方案 |
2.3.2 自动控制方案 |
2.3.3 智能控制方案 |
2.4 投矾加氯间的在线仪表 |
2.5 本章小结 |
第3章 投矾加氯控制系统建模 |
3.1 加矾控制系统 |
3.1.1 加矾控制系统的组成与各部分的功能 |
3.1.2 源矾液配制控制子系统 |
3.1.3 成品矾液配制控制子系统 |
3.1.4 投矾控制子系统 |
3.2 加氯控制系统 |
3.2.1 加氯控制系统的组成与各部分的功能 |
3.2.2 滤前加氯控制子系统 |
3.2.3 滤后加氯控制子系统 |
3.3 本章小结 |
第4章 投矾系统控制算法的研究 |
4.1 投矾系统研究概述 |
4.2 预测控制算法的研究分析 |
4.2.1 预测控制算法的基本思路 |
4.2.2 预测控制算法约束的处理 |
4.2.3 预测控制算法的局限性 |
4.3 投药串级控制系统 |
4.4 控制系统在投矾控制上的应用 |
4.4.1 DMC-PID串级控制 |
4.4.2 DMC控制器的参数选择 |
4.4.3 控制算法步骤 |
4.5 本章小结 |
第5章 投矾系统控制算法的优化仿真 |
5.1 计算机仿真技术 |
5.1.1 仿真技术概述 |
5.1.2 MATLAB预测控制工具箱 |
5.2 投矾控制系统在模拟实际中的仿真分析 |
5.2.1 系统在平稳时段的仿真分析 |
5.2.2 系统在源水浊度变化较大时的仿真分析 |
5.2.3 系统在源水浊度变化较大时的矾耗分析 |
结论 |
参考文献 |
致谢 |
附录A 攻读学位期间参与的科研项目 |
(4)田村水厂加药精确控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 工程背景和研究意义 |
1.1.1 工程背景 |
1.1.2 研究意义 |
1.2 水处理混凝技术现状与历史 |
1.2.1 水处理现状 |
1.2.2 加药控制系统历史变迁 |
1.2.3 PLC控制系统现状 |
1.2.4 组态软件发展现状 |
1.2.5 PID控制研究现状 |
1.3 论文的研究内容及组织安排 |
第2章 水处理总体控制系统结构介绍 |
2.1 水处理工艺概述 |
2.2 混凝原理 |
2.3 影响混凝剂投加的因素及浊度值对混凝效果的反映 |
2.3.1 影响药剂投加量的因素 |
2.3.2 NTU的含义-浊度 |
2.3.3 浊度值对混凝效果的反映 |
2.4 水处理控制系统设计 |
2.4.1 分布式控制系统 |
2.4.2 水厂控制方案 |
2.5 本章小结 |
第3章 加药控制系统设计 |
3.1 控制系统框架设计 |
3.1.1 基于田村水厂源水情况,分析影响混凝加药的因素 |
3.1.2 控制框架的设计 |
3.2 PID算法设计 |
3.2.1 传统PID介绍 |
3.2.2 PID方程的离散化 |
3.2.3 传统PID算法劣势 |
3.3 积分分离PID控制方法 |
3.4 加药过程的数学建模 |
3.4.1 数学模型形式确立 |
3.4.2 系统辨识 |
3.4.3 干扰通道传递函数确定 |
3.5 系统仿真实验 |
3.5.1 MATLAB介绍 |
3.5.2 Simulink—基于模型的设计、仿真工具介绍 |
3.5.3 系统仿真试验 |
3.6 本章小结 |
第4章 加药系统优化控制的工程实现 |
4.1 西门子S7-200PLC简介 |
4.2 加药系统硬件配置 |
4.2.1 执行设备选择 |
4.2.2 控制柜设备配置 |
4.3 加药系统软件设计 |
4.3.1 溶药池自动配药 |
4.3.2 自动加药控制 |
4.4 本章小结 |
第5章 上位机监控系统设计 |
5.1 组态的概念 |
5.1.1 组态的普遍功能 |
5.1.2 组态软件的选择 |
5.2 基于组态王的人机界面开发设计 |
5.2.1 总体设计 |
5.2.2 人机交互界面设计 |
5.3 本章小结 |
第6章 系统运行测试与运行结果 |
6.1 系统运行测试 |
6.1.1 系统硬件测试 |
6.1.2 PLC安装及程序调试 |
6.1.3 人机界面程序调试 |
6.2 系统运行结果 |
6.3 本章小结 |
结论 |
总结 |
展望 |
参考文献 |
致谢 |
(6)水处理混凝投药预测控制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究的目的及意义 |
1.2 混凝投药控制研究现状 |
1.2.1 混凝投药过程的传统控制方法 |
1.2.2 混凝投药过程的智能控制方法 |
1.2.3 混凝投药过程的模型预测控制方法 |
1.3 模型预测控制研究现状 |
1.4 模型辨识研究现状 |
1.5 本文研究内容及章节安排 |
第2章 预备知识 |
2.1 带约束的动态矩阵控制 |
2.2 BP神经网络算法 |
2.3 本章小结 |
第3章 混凝投药组合模型 |
3.1 引言 |
3.2 回归模型辨识 |
3.2.1 线性回归模型 |
3.2.2 非线性回归模型 |
3.3 BP神经网络模型 |
3.3.1 BP神经网络辨识的特点 |
3.3.2 BP神经网络建模流程 |
3.4 组合预测模型 |
3.4.1 组合原理 |
3.4.2 0-1组合模型 |
3.5 本章小结 |
第4章 混凝投药组合模型仿真 |
4.1 引言 |
4.2 辨识数据预处理 |
4.3 混凝投药的回归模型 |
4.3.1 混凝投药回归模型 |
4.3.2 回归模型仿真检验 |
4.4 混凝投药的BP神经网络模型 |
4.5 混凝投药的0-1组合优化模型 |
4.6 本章小结 |
第5章 混凝投药系统的双层结构模型预测控制策略 |
5.1 引言 |
5.2 双层结构预测控制算法 |
5.2.1 稳态目标计算基本问题描述 |
5.2.2 稳态目标计算的自优化方法 |
5.2.3 MPC下层动态控制 |
5.3 混凝投药双层结构预测控制 |
5.3.1 混凝投药单变量动态矩阵控制仿真 |
5.3.2 混凝投药双层结构预测控制仿真 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间参加的科研项目和成果 |
(7)基于随机逼近的数据驱动控制方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 数据驱动控制的定义与特征 |
1.2 数据驱动控制的存在背景 |
1.2.1 数据驱动控制的适用环境 |
1.2.2 数据驱动控制与模型控制的关系 |
1.3 数据驱动控制的研究概况 |
1.3.1 基于SPSA的无模型控制方法 |
1.3.2 无模型自适应控制 |
1.3.3 迭代反馈整定方法 |
1.3.4 虚拟参考反馈整定方法 |
1.3.5 其他的数据驱动控制方法概述 |
1.3.6 专用无模型控制器MFA |
1.4 数据驱动控制中的几个关键问题 |
1.4.1 数据驱动控制中的数据利用问题 |
1.4.2 随机逼近算法在数据驱动控制中的作用 |
1.5 数据驱动控制的发展趋势 |
1.6 本论文的来源及背景 |
1.7 主要研究工作及安排 |
第二章 随机逼近算法研究 |
2.1 随机逼近算法的基本原理 |
2.2 ROBBING-MONRO(RM)随机逼近算法 |
2.3 KIEFER-WOLFOWITZ(KW) 随机逼近算法 |
2.4 同时扰动随机逼近(SPSA)算法 |
2.4.1 SPSA算法中的梯度逼近 |
2.4.2 收敛性及渐近正态性分析 |
2.4.3 SPSA和FDSA的相对有效性分析 |
2.5 SPSA算法关键问题研究 |
2.5.1 增益系数的选择 |
2.5.2 实际梯度估计 |
2.5.3 SPSA算法步骤 |
2.5.4 SPSA与FDSA仿真比较研究 |
2.6 不同形式SPSA算法的比较研究 |
2.6.1 单值SPSA算法研究 |
2.6.2 二阶SPSA算法研究 |
2.6.4 仿真分析 |
2.7 本章小结 |
第三章 基于SPSA的数据驱动直接控制 |
3.1 数据驱动直接控制总体结构 |
3.1.1 控制策略的选择 |
3.1.2 随机逼近算法的作用 |
3.2 SPSA数据驱动控制 |
3.2.1 动态偏差数据利用策略 |
3.2.2 面向数据驱动控制任务的SPSA算法 |
3.2.3 基于单边SPSA的动态偏差数据驱动实现步骤 |
3.3 仿真研究 |
3.4 本章小结 |
第四章 基于迭代反馈整定的数据驱动控制方法研究 |
4.1 IFT的基本原理 |
4.1.1 IFT中的随机逼近算法 |
4.1.2 梯度实验设计[61] |
4.1.3 无偏性的证明 |
4.2 IFT控制算法与模型的关系研究 |
4.2.1 完全无模型IFT |
4.2.2 与模型控制结合的IFT |
4.3 基于IFT的SMITH预估无模型控制算法 |
4.3.1 Smith预估结构 |
4.3.2 IFT的运用 |
4.3.3 IFT性能改进 |
4.3.4 算法步骤总结 |
4.3.5 仿真研究 |
4.4 混凝投药大滞后过程的数据驱动直接控制方法 |
4.4.1 混凝投药系统介绍 |
4.4.2 混凝投药过程对象特性测试 |
4.4.3 基于IFT-Smith算法的混凝投药数据驱动控制仿真研究 |
4.4.4 实际应用的考虑 |
4.5 本章小结 |
第五章 基于虚拟参考反馈整定的数据驱动控制方法研究 |
5.1 VRFT的基本原理 |
5.2 VRFT与IFT、SPSA数据驱动控制的关系研究 |
5.3 影响VRFT的几个因素 |
5.3.1 最优滤波器的设置 |
5.3.2 参数逼近算法 |
5.4 VRFT与IMC的关系研究 |
5.4.1 IMC-PID 控制器 |
5.4.2 对IMC-PID控制器进行VRFT整定 |
5.4.3 仿真研究 |
5.5 在线虚拟参考反馈整定 |
5.5.1 两种在线VRFT方法 |
5.5.2 实时VRFT对PID控制器的整定 |
5.5.3 实时VRFT算法总结 |
5.5.4 实时VRFT算法仿真研究 |
5.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间取得的研究成果 |
致谢 |
附表 |
(8)给水处理厂加药系统的控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 论文背景说明 |
1.2 混凝加药控制发展现状 |
1.2.1 手动控制阶段 |
1.2.2 自动控制阶段 |
1.2.3 智能控制阶段 |
1.3 混凝投药控制研究意义 |
1.4 本文的主要工作 |
第2章 给水处理工艺 |
2.1 给水处理工艺流程 |
2.2 混凝机理 |
2.2.1 胶体结构及性质 |
2.2.2 水中胶体颗粒的稳定性 |
2.2.3 混凝机理 |
2.3 影响混凝投药的因素 |
2.4 混凝效果的反映 |
2.4.1 浊度值对混凝效果的反映 |
2.4.2 单因子流动电流 |
2.5 本章小结 |
第3章 水厂加药控制系统 |
3.1 加药控制系统介绍 |
3.1.1 溶液池控制系统 |
3.1.2 计量泵控制系统 |
3.1.3 控制系统架构 |
3.2 基于前馈—反馈的控制方法 |
3.3 前馈控制器的设计 |
3.3.1 影响前馈加药量的因素分析 |
3.3.2 水厂烧杯混凝试验 |
3.3.3 最小二乘法建立混凝投药的前馈数学模型 |
3.4 控制对象的数学模型建立 |
3.4.1 系统数学模型的初步分析 |
3.4.2 矾耗飞升试验 |
3.5 水厂前馈—反馈控制上的性能分析 |
3.6 本章小结 |
第4章 内模控制与专家—PID的应用 |
4.1 内模控制的基本原理 |
4.1.1 内模控制结构及其等价形式 |
4.1.2 内模控制的主要性质 |
4.1.3 内膜控制器的实现问题 |
4.2 加药系统内模控制器的设计 |
4.2.1 内模控制器设计步骤 |
4.2.2 内模-PID控制器设计 |
4.3 加药系统专家-PID控制 |
4.3.1 专家系统思想 |
4.3.2 专家-PID控制基本原理 |
4.3.3 加药系统专家-PID控制规则建立 |
4.4 本章小结 |
第5章 加药系统仿真及结果分析 |
5.1 内模-PID控制仿真 |
5.1.1 内模-PID控制仿真结果 |
5.1.2 仿真结果分析 |
5.2 专家-PID仿真 |
5.2.1 专家-PID仿真结果 |
5.2.2 仿真结果分析 |
5.3 本章小结 |
第6章 结论与展望 |
参考文献 |
致谢 |
(9)混凝投药预测函数控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.2 混凝投药控制研究现状 |
1.3 过程模型辨识研究现状 |
1.4 预测函数控制研究现状 |
1.5 本文的工作内容 |
第二章 净水工艺及混凝投药控制分析 |
2.1 引言 |
2.2 净水工艺流程 |
2.3 混凝沉淀过程 |
2.4 投药控制方案 |
2.5 本章小结 |
第三章 混凝投药过程模型辨识 |
3.1 引言 |
3.2 回归模型辨识 |
3.2.1 线性回归模型 |
3.2.2 非线性回归模型 |
3.3 混凝投药预测模型 |
3.3.1 控制作用预测模型 |
3.3.2 可测扰动预测模型 |
3.4 辨识数据预处理 |
3.4.1 数据滤波原理 |
3.4.2 归一化数据 |
3.5 过程模型辨识及检验 |
3.5.1 过程模型辨识 |
3.5.2 模型仿真检验 |
3.6 本章小结 |
第四章 混凝投药预测函数控制 |
4.1 引言 |
4.2 传统预测函数控制 |
4.3 可变基预测函数控制 |
4.3.1 可变基PFC 原理 |
4.3.2 可变基PFC 算例仿真 |
4.4 回归模型预测函数控制 |
4.4.1 回归模型PFC 原理 |
4.4.2 回归模型PFC 算例仿真 |
4.5 投药预测函数控制原理 |
4.6 本章小结 |
第五章 混凝投药软件设计及实现 |
5.1 引言 |
5.2 系统软件功能 |
5.3 系统软件设计 |
5.3.1 用户操作登录 |
5.3.2 投药过程控制 |
5.3.3 过程数据监测 |
5.3.4 变量历史曲线 |
5.3.5 过程模型辨识 |
5.4 上下位机通信 |
5.5 数据库模块 |
5.5.1 数据库类型及特征 |
5.5.2 数据库设计方案 |
5.5.3 VB 对Access 操作 |
5.6 本章小结 |
第六章 投药预测函数控制的应用 |
6.1 引言 |
6.2 水厂自动控制系统 |
6.3 控制应用试验 |
6.4 控制结果分析 |
6.5 本章小结 |
第七章 结论与展望 |
7.1 工作总结 |
7.2 研究展望 |
参考文献 |
附录 |
致谢 |
攻读学位期间参加的科研项目和成果 |
(10)混凝投药过程非线性预测控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.1.1 课题来源 |
1.1.2 研究的目的和意义 |
1.2 国内外混凝投药控制研究现状 |
1.2.1 水源水质预报研究现状 |
1.2.2 预测控制研究现状 |
1.2.3 混凝投药控制研究现状 |
1.3 本论文的主要研究内容 |
第2章 水源水质的短期预报方法 |
2.1 引言 |
2.2 样本数据的获取及预处理 |
2.2.1 样本数据的采集 |
2.2.2 水质数据的预处理 |
2.3 基于时间序列法的水源水质预报 |
2.3.1 水源水质样本数据的平稳性检验 |
2.3.2 基于自相关法的AR水质预报 |
2.4 基于相空间重构的RBF神经网络水源水质预报 |
2.4.1 最小嵌入维数和延迟时间的确定 |
2.4.2 基于相空间重构的RBF神经网络水质预报模型 |
2.5 基于EMD-SVM的水源水质预报 |
2.5.1 经验模态分解和支持向量机概述 |
2.5.2 基于EMD-SVM的水质预报模型 |
2.6 水质预报的仿真及分析 |
2.6.1 AR模型水质预报仿真 |
2.6.2 基于相空间重构的RBF水质预报仿真 |
2.6.3 EMD-SVM法水质预报仿真 |
2.7 本章小结 |
第3章 混凝投药过程建模 |
3.1 引言 |
3.2 混凝过程线性建模 |
3.2.1 现场测试实验 |
3.2.2 样本数据平稳性检验 |
3.2.3 模型确定部分建模 |
3.2.4 模型随机部分建模 |
3.2.5 外扰建模 |
3.2.6 投药过程完整动态描述 |
3.3 混凝过程非线性建模 |
3.3.1 混凝过程的Hammerstein模型 |
3.3.2 采用QPSO算法辨识Hammerstein模型参数 |
3.4 本章小结 |
第4章 混凝投药过程的预测控制 |
4.1 引言 |
4.2 混凝过程的动态矩阵控制算法 |
4.2.1 基本DMC算法 |
4.2.2 DMC的模型简化 |
4.2.3 预报误差校正算法 |
4.2.4 改进的DMC算法仿真 |
4.3 基于神经网络的非线性预测控制算法 |
4.3.1 神经网络预测模型 |
4.3.2 基于RBF神经网络预测模型的偏差控制 |
4.3.3 预测控制律的求取 |
4.3.4 RBF神经网络预测控制仿真分析 |
4.4 基于Hammerstein模型的非线性预测控制算法 |
4.4.1 Hammerstein预测控制模型 |
4.4.2 预测控制律的求取 |
4.4.3 Hammerstein模型预测控制仿真分析 |
4.5 本章小结 |
第5章 混凝投药模拟装置的控制器研发及工程试验 |
5.1 引言 |
5.2 投药控制系统的功能及结构 |
5.2.1 LonWorks技术平台的选择 |
5.2.2 控制功能 |
5.2.3 控制系统的结构 |
5.3 投药过程的控制算法 |
5.3.1 水质扰动预测前馈控制 |
5.3.2 投药过程的复合控制 |
5.4 基于LonWorks的节点设计 |
5.4.1 节点的硬件设计和Lon网构建 |
5.4.2 Neuron C软件设计 |
5.5 监控中心设计 |
5.5.1 管理软件设计 |
5.5.2 监控中心人机界面设计 |
5.6 混凝投药监控装置工程试验 |
5.7 本章小结 |
结论 |
参考文献 |
附录 |
攻读学位期间发表的学术论文及其它成果 |
致谢 |
个人简历 |
四、透光率脉动絮凝投药自控系统动态模型(论文参考文献)
- [1]改进RBF神经网络控制水厂混凝剂投加量的研究[D]. 庹婧艺(Mojito). 昆明理工大学, 2021(01)
- [2]厂级净水系统的自动控制与监测系统设计[D]. 法丽扎. 大连理工大学, 2019(02)
- [3]智能水厂投矾加氯控制系统的研究设计[D]. 沈泽华. 湖南大学, 2018(01)
- [4]田村水厂加药精确控制研究[D]. 贺岩. 北京工业大学, 2017(05)
- [5]混凝沉淀过程机理建模与仿真[A]. 赵文轩. 全国冶金自动化信息网2015年会论文集, 2015
- [6]水处理混凝投药预测控制方法研究[D]. 饶宁. 浙江工业大学, 2013(03)
- [7]基于随机逼近的数据驱动控制方法研究[D]. 哀微. 华南理工大学, 2011(06)
- [8]给水处理厂加药系统的控制研究[D]. 曹龙. 东北大学, 2011(07)
- [9]混凝投药预测函数控制研究[D]. 赵寅军. 浙江工业大学, 2011(06)
- [10]混凝投药过程非线性预测控制研究[D]. 王军栋. 哈尔滨工业大学, 2011(04)