造纸废水处理过程的智能软测量建模开题报告

1. 研究目的与意义

1.1研究背景和意义 今年是十三五的开局之年，在经过了多年的高经济增长模式之后，党和政府在追求区域经济与环境协调发展之路提出了更高的要求，而在造纸工业方面，废水处理是重中之重。为了引导造纸工业生产工艺和污染治理技术废水的发展方向，我国在2008年8月1日起实施新的制浆造纸工业水污染排放标准度（GB3544-2008）。相对于之前执行的标准而言，新标准增加了色度、总氮、总磷等水污染物的排放限值，大幅度提高了污染物排放控制水平。以制浆造纸企业废水排放主要污染物COD排放浓度为例，2008年8月1日之前已有的制浆造纸企业COD排放浓度从350mg/L降到150mg/L，2008年8月1日以后新建的制浆造纸企业执行90mg/L标准。新排放标准首次设置了水污染物特别排放限值，加大了对环境敏感地区污染物排放的控制力度，提高了相关行业的环境准入门槛。新标准分两阶段实施，2008年8月1日至2011年7月1日为第一阶段，2011年7月1日以后为第二阶段，第二阶段执行更为严格的排放限值。【1】制浆造纸废水的成分很复杂，其组分受于原料和制浆工艺等多种因素影响，目前大多数造纸工业废水处理均采用生物氧化处理工艺，即预处理 厌氧生物处理 好氧生物处理 化学混凝的处理流程，【2】【3】但从控制角度而言，这种处理方法有严重的复杂性、非线性、时变性和滞后性，我们很难用数学推导的方法得到它的精确的数学模型。而对于废水中的衡量有机物质量的化学需氧量（COD）和?固体悬浮物（SS）我们很难在线实时测量，但这些指标对于造纸废水质量又有重要作用，所以我们将引入智能软测量技术来对造纸废水中的化学需氧量（COD）和?固体悬浮物（SS）进行预测，从而有效克服传统测量方法对测量仪表和测量精度的高要求。这使数据支持多个变量且知识工程系统、感知信息处理系统、感知系统、规划与控制系统及计算机算法更复杂的智能控制技术【4】，选择合适的传感器，【5】从而大幅提高造纸废水的控制精度和品质。

2. 国内外研究现状分析

华南理工大学的项目组在广东省东莞市运用自适应神经模糊推理系统将模糊控制器运用在造纸厂中，取得了良好的效果。【19】胡志华等人在造纸厂现场排放建立药剂加入量、原水COD、反应时间和出水COD之间的动态关系应用ANN（人工神经网络）BP（反向传播）的学习能力和非线性逼近能力通过MCGS组态软件建立了一个能预测造纸废水中出水COD和控制加药量的智能控制系统。【20】

3. 研究的基本内容与计划

1.2智能软测量建模的技术概述 智能软测量技术是一种用于精确预测废水处理过程中难以直接实时测量的数据的方法，即根据某一模型，通过一组与被预测指标密切相关的能够且容易被精确测量的数据作为辅助数据和输入变量（自变量），来精确估计预测变量（因变量）。

人工智能软测量技术是目前比较活跃的一种智能软测量建模方法，与经典统计建模法相比较具有更强的非线性拟合能力且不需要对象的先验知识【6】，在处理含有多种复杂变量的多种数据时有很强的优势。

软测量技术主要由辅助变量的选择、数据采集和处理、软测量模型和在线校正四个方面组成。

4. 研究创新点

1.2.3软测量建模（人工神经网络）基于造纸废水的质量指标要求，工艺流程和6个自变量的在线测量仪表，我们将建立一个前馈性BP人工神经网络，将6个自变量指标作为输入层节点，2个因变量指标作为输出层节点，将实验所得的多组数据进行仿真验证。【13】神经网络可同模糊控制结合组成智能控制技术，并对所求变量进行提前预测。【14】模糊神经网络按照模糊逻辑系统的运算步骤分层构造,再利用神经网络学习算法的模糊系统。它不改变模糊逻辑系统的基本功能,如模糊化、模糊推理和反模糊化等,可以从海量数据中自动产生模糊规则,并具有自学习、自适应能力。【15】优化人工神经网络的结构还可以通过将遗传算法应用于神经网络，遗传算法是一种基于自然选择和基因遗传学原理的优化搜索方法。它将优胜劣汰,适者生存的生物进化原理引入待优化参数形成的编码串群体中,按照一定的适配值函数及一系列遗传操作对各个体进行筛选,从而使适配值高的个体被保留下来,组成新的群体,新群体中各个体适应度不断提高,直至满足一定的极限条件，此时,群体中适配值最高的个体即为待优化参数的最优解。正是由于遗传算法独具的工作原理,使它能够在复杂空间进行全局优化搜索,并且具有较强的鲁棒性。【16】尽管模糊逻辑系统和神经网络系统在结构上截然不同,但是在两者之间可以实现优势互补。神经网络具有非线性映射能力、学习能力、并行处理能力和容错能力，模糊逻辑具有处理不确定性的能力。【17】不断引进数学和神经网络方面的最新研究成果和分析方法,将可以扩大人工神经网络用于软测量技术应用范围。【18】本文将主要使用MATLAB的仿真运算能力，将CODin、SSin、Temp、Qin、DO、PH这6种易于测量的变量建立一个基于人工神经网络的模型拟合出出水COD和SS的量，实现对造纸废水出水水质质量的在线监测及控制。