没有合适的资源?快使用搜索试试~ 我知道了~
基于鲁棒加权模糊聚类的污水处理过程监测方法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 29 浏览量
2023-02-23
20:17:43
上传
评论
收藏 2.24MB DOCX 举报
温馨提示
试读
22页
基于鲁棒加权模糊聚类的污水处理过程监测方法.docx
资源推荐
资源详情
资源评论
污水处理工业在中国水资源可持续发展中占据重要一环. 目前, 应用最广泛的污水处
理工艺是活性污泥法
[1]
. 如图 1 所示, 活性污泥法污水处理工艺流程通常按照处理程度分为
一级处理(预处理)、二级处理(生化处理)和三级处理(深度处理)
[2]
. 原污水首先经过格栅拦截
较大悬浮物或漂浮杂质后进入沉砂池, 沉砂池将密度较大无机悬浮物从污水中分离, 然后进
入初沉池. 完成一级处理的污水经初沉池出水, 并与回流的二沉池沉淀污泥按一定比例混合
进入曝气池. 曝气池分为缺氧区和好氧区. 在缺氧区中, 内循环回流的硝态氮在异养菌无氧
呼吸作用下被还原为氮气; 在好氧区中, 氨氮在自养菌有氧呼吸作用下发生硝化反应, 有机
物被进一步降解. 随后污水经曝气池出水进入二沉池, 将澄清水与活性污泥进行固液分离.
分离后, 澄清水排入受纳水体或经过物理、化学等技术进一步去除污染物后实现中水回用.
二沉池除回流污泥外的沉淀污泥与初沉池的污泥混合, 经过浓缩、消化、脱水等工艺后做
最终处置及回收利用
[2-4]
.
图 1 污水处理工艺流程示意图
Fig. 1 Schematic diagram of sewage treatment process
下载: 全尺寸图片 幻灯片
污水处理的根本目的是将城市生活、工业生产等产生的污水经过上述污水处理的各道
工序后达到国家规定的出水指标. 目前, 污水处理出水质量指标主要包括生化需氧量、化学
需氧量、总悬浮物、总磷、氨氮等. 在污水处理过程中, 由于进水流量、进水组分、污染物
种类、天气变化等都是被动接受, 微生物种群、溶解氧浓度、污水 pH 值等多种因素对微生
物的生命活动都会产生巨大的影响, 因此保持污水处理厂的长期稳定运行十分困难
[4−5]
. 由
于污水处理时常处于非平稳状态运行, 因此容易引发异常工况的发生. 如果不能及时监测到
污水处理过程异常工况, 导致不能正确判断且没有采取有效措施加以调整纠正, 会导致出水
水质不达标、污水处理能力降低, 甚至会引发污水处理过程的崩溃, 导致不可逆的事故发
生, 使得运行成本大大增加并且造成环境污染. 所以, 通过建立有效监测方法来监测污水处
理过程, 对异常工况做出准确判断, 并及时准确地采取有效措施, 对保证污水处理过程安全
稳定顺行以及出水水质的达标尤其重要.
由于污水处理过程是一个多变量、强耦合、大时滞、高度非线性的复杂动态非平稳生
化反应过程
[5]
, 机理模型很难完全考虑污水处理全流程的运行状态. 大部分机理模型都是基
于局部过程建立的, 因此在描述污水处理过程特性时具有很大的局限性
[6−7]
, 这就促进了数
据驱动尤其是基于机器学习与多元统计分析的过程监测与故障诊断方法在污水处理过程中
的应用
[5]
. 文献[8]提出了一种基于在线估计技术和反向传播神经网络的故障检测和诊断方
法, 不仅具有鲁棒性, 而且能够避免阈值问题, 显示出较好的应用可靠性. 文献[9]提出的粗
集支持向量机分类方法降低了样本属性并保留一定的冗余性, 对污水处理过程运行状态的
监测实验验证了该方法的有效性. 文献[10]针对主元分析对于噪声和不确定信息描述能力不
足的问题, 提出了因子分析故障诊断方法, 在污水仿真基准模型的验证表明该方法能够降低
传统主元分析方法的故障误报率, 对不确定信息具有较好的描述能力. 近年来, 由于污水处
理数据缺少分类标识, 且先验知识匮乏, 因此模糊聚类技术在污水处理过程监测中得到了越
来越多的应用. 模糊聚类是一种无监督分类技术, 本身具有捕获数据非线性结构的能力, 可
以充分挖掘污水处理过程的数据信息, 通过建立模糊相似关系对过程进行监测和诊断
[11]
. 文
献[12]针对采样数据维度过高的问题, 采用了主元分析和可能性模糊 c 均值(Possibilistic
fuzzy c-means, PFCM)聚类相结合的方法, 在田纳西−伊斯曼过程仿真实验中取得较好效果.
但是主元分析是一种线性降维技术, 对于污水处理这样的高维非线性系统, 其实际应用效果
会有很大局限性. 文献[13]提出了偏最小二乘、可能性聚类(Possibilistic c-means, PCM)与模
糊 c 均值(Fuzzy c-means, FCM)的组合方法, 并给出了一种递归原型更新算法. 偏最小二乘
算法的使用抑制了与输出数据无关的噪声和变化, 促进了 PCM 和 FCM 的应用, 使其更容
易找到簇和相应的原型, 但聚类算法 FCM 对离群点敏感, 因此其监测效果易受离群点影响,
鲁棒性差. 当监测到异常工况发生时, 需要及时识别出导致异常工况发生的异常变量. 目前,
贡献图方法是最为普遍的故障识别方法
[14]
. Zhou 等
[15]
提出了基于主元分析的贡献图方法, 用
于辨识与故障相关的关键变量. Dunia 等
[16]
提出了基于重构和平方预测误差方法, 即利用重
构平方预测误差与实际平方预测误差的比值进行故障辨识. 文献[17]提出了一种基于核主成
分分析的方法, 特别是在鲁棒重构误差的基础上, 提出了一种新的故障识别方法. 其基本思
路是当重构的变量是故障变量时, 此变量的故障指标会比非故障变量的指标值偏小. 如今,
基于模糊聚类的故障识别方法的研究也得到越来越多专家学者的研究. 文献[18]提出了一种
基于自回归滑动平均模型双谱分布特征与模糊 c 均值聚类分析的故障识别方法, 该方法通
过 FCM 聚类构造类模板和最小距离模板的分类器, 实现了滚动轴承的故障识别. 文献[19]
将模糊 c 均值算法和 Gustafson-Kessel 聚类算法用于燃气轮机故障的故障检测和识别, 仿真
结果表明模糊聚类方法具有可接受的故障识别性能.
综上, 本文针对非平稳污水处理工业过程的非线性强、先验故障知识少、异常工况识
别难等问题, 提出了一种基于鲁棒加权模糊 c 均值(Robust weighted fuzzy c-means, RoW-
FCM)与核偏最小二乘(Kernel partial least squares, KPLS)算法的新型过程监测方法. 首先, 采
用 KPLS 对污水处理过程的高维输入过程变量进行降维, 同时解决了污水处理数据的非线
性问题; 其次, 采用 RoW-FCM 聚类算法对通过 KPLS 算法降维得到的得分矩阵聚类, 通过
聚类得到的隶属度矩阵进行污水处理过程异常工况检测分析; 再次, 建立隶属度矩阵与样本
数据变量之间的回归模型, 通过解得的变量贡献矩阵进行异常工况识别; 最后, 对本文
RoW-FCM 算法进行数值仿真验证, 并基于污水处理过程数据进行实验验证和对比分析.
1. 过程监测策略
提出的基于 RoW-FCM 聚类与 KPLS 的污水处理过程监测方法如图 2 所示, 主要包括
高维数据降维、异常工况检测和异常工况识别 3 个部分.
剩余21页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3542
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 成都市地图含高新区(高新南区,高新西区),天府新区,东部新区虚拟行政区划
- XILINXFPGA源码XilinxEDK设计试验
- XILINXFPGA源码XilinxEDKMicroBlaze内置USB固件程序
- 基于 django 的视频点播后台管理系统源代码+数据库
- 基于Java的网上医院预约挂号系统的设计与实现(部署视频)-kaic.mp4
- 新建项目opengrok
- XILINXFPGA源码XilinxDDR3最新VHDL代码(通过调试)
- XILINXFPGA源码XilinxDDR2存储器接口调试代码
- 班级事务管理系统设计与实现(部署视频)-kaic.mp4
- excel带下拉框展示(动态展示)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功