污水处理中精确曝气控制的研究进展

针对污水处理环节的曝气能耗问题,概述了污水处理的精确曝气控制现状,并结合我国目前我国实际情况与国内外现有研究结果,介绍了精确控制的重要组成部分之一的控制器的原理,控制器主要包括模糊控制器、神经网络控制器、支持向量机等,总结了各控制器的优缺点及适用情况,旨在加强对精确曝气控制的认识、为现有污水处理中存在的复杂、多变、时滞等特性提供利用精确控制器解决问题的的思路。     

基于遗传算法的袋式除尘器脉冲喷吹清灰自适应模糊控制

针对当前主流的袋式除尘器定时、定压差脉冲喷吹清灰控制技术所表现的控制效果不理想、压缩空气消耗高以及无法自动调节清灰周期等问题,提出了一种基于控制规则可调的脉冲喷吹清灰自适应模糊控制方法。研发了一种脉冲喷吹清灰控制结构模型及自适应模糊控制器,将模糊控制规则按阻力偏差的大小分为4个等级并分别引入调整因子,以阻力偏差的时间误差绝对值积分(ITAE)作为目标函数,通过遗传寻优得到最优调整因子,进而得到能够根据不同工况条件自适应调节清灰周期的模糊控制规则。实验结果表明:相较于优化前的模糊控制器,该自适应模糊控制器超调量小、响应速度提升39.5%;与定时、定压差控制相比,自适应模糊控制能够维持过滤阻力的稳定性,分别节省耗气量34.0%、5.4%。在脉冲喷吹清灰控制系统中,该自适应模糊控制方法使控制效果得到较大提高。     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题,在现有技术成果基础上对多种火灾探测方式进行研讨,并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术,以红外热成像探测为辅助手段,采用神经网络实现数据融合,对模拟实验舱火灾烟雾进行联合探测,在单一火灾探测方式基础上提高了探测准确率。     

基于IRBFNN和PCA的电网预想故障安全运行评估方法研究

为了更快速直观地监视、分析和评估故障后电网的安全运行状态,提出了基于径向基函数(radical basis function,RBF)神经网络和主成分分析法(principal component analysis,PCA)的评估模型。利用带衰减因子的吸引力传播(affinity propagation,AP)聚类算法选择RBF神经网络中心和隐含层节点数,同时提出了扩展的电网运行状态安全评估指标,利用越限指标权重和指数阶数避免了安全评估的遮蔽现象,利用主成分分析选取RBF神经网络的输入矢量特征,最后通过IEEE-30节点仿真算例验证了所提模型的有效性。     

周丛生物腐解驱动水稻土溶解性有机质、铁、磷转化及耦合

周丛生物在稻田土-水界面上广泛存在,可通过多种途径影响土壤养分转化,但其生物质的腐烂分解对土壤中溶解性有机质(DOM)、铁和磷耦合关系的影响尚不清楚。通过开展微宇宙实验向水稻土中添加不同量的周丛生物,利用傅里叶变换离子回旋共振质谱法(FT-ICR MS)表征DOM分子组成,分析周丛生物腐解对水稻土DOM组分、Fe²⁺含量、氧化铁活化度(Fe_o/Fe_d)、不同形态磷含量的影响。结果表明,周丛生物的腐解显著提高土壤DOM含量,改变DOM不同组分占比,其中,单宁类物质相对丰度增加1.97%～9.74%。同时,土壤Fe²⁺含量显著增加,Fe_o/Fe_d升高,土壤还原性增强。此外,土壤无机磷含量增加,其中,磷酸铁盐(Fe-P)变化幅度最大,土壤磷的有效性增加。周丛生物腐解改变土壤DOM组分和铁形态,而DOM中单宁类物质等惰性组分可以通过影响矿物对磷的吸附来影响磷的有效性。主成分分析(PCA)结果表明,添加周丛生物腐解处理与对照之间DOM含量、单宁类物质相对丰度、磷酸铝...     

面向实时人群动力学分析的深度基本图网络

当前行人疏散实验中基本图计算方法通常是通过对每个行人进行跟踪实现的.但这种跟踪方法难以实现实时人群动力学分析.针对这一问题,提出了深度基本图网络.实验提出的网络框架由两个模块组成,即多尺度递归卷积神经网络(MSR-Net)和光流模块,分别对行人密度和行人速度进行估计.具体来讲,MSR-Net学习了输入图像与行人密度图之...     

筛查全/多氟烷基化合物(PFASs)生物活性的卷积神经网络模型

全/多氟烷基化合物(PFASs)是一类备受关注的化学品,已在多种环境介质中检出。然而,目前PFASs的生物活性数据缺乏,限制了其危害性评价和管理,有必要构建PFASs生物活性的高通量筛查模型。本研究基于卷积神经网络(CNN)算法,采用分子灰度图像作为输入,构建了PFASs的23种活性终点的筛查模型(简称Image-CNN模型)。与使用分子指纹和分子描述符作为输入,采用随机森林和支持向量分类器算法构建的基准测试模型相比,Image-CNN模型预测效果更好,平均的受试者工作特征曲线下面积达0.96。与此前模型相比,模型性能更优。基于分子指纹相似性,表征了模型的应用域。筛查了已知最大的PFASs名录,其中3种PFASs在所有建模的活性终点中都被预测为有活性。     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

上海市夏季高架道路边颗粒物垂直分布研究

为研究夏季高架路边颗粒物浓度的垂直分布规律,以上海市南北高架交叉处路边垂直区域为研究对象,通过Fluke 985粒子计数器采集颗粒物数量浓度数据。分析了6种直径范围颗粒物(0.3~0.49μm、0.5~0.99μm、1~1.99μm、2~4.99μm、5~9.99μm、≥10μm)在高架路垂直区域的分布规律,并结合微观尺度下的交通、气象、高度等数据建立了逐步回归和SVM神经网络预测模型。结果表明:在高架路边的垂直方向上,随高度增加,6种颗粒物浓度整体呈现下降的趋势;0.3~0.49μm、0.5~0.99μm、1~1.99μm三种颗粒物浓度受高架桥带来的"盖子效应"影响,在距离地面约21 m高的7楼达到最大值;总体上早高峰颗粒物浓度大于晚高峰,工作日颗粒物浓度高于非工作日;SVM神经网络模型比线性逐步回归模型能更好地预测高架路边颗粒物的垂直分布规律,可作为上海市夏季非降水天气高架桥面附近颗粒物浓度预测的方法。     

基于视频的雾天能见度实时监测方法研究

目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,因此提出了一种基于监控视频图像测量雾天能见度的方法。该方法将图像进行分窗格处理,通过相关性分析筛选出最优兴趣窗格的亮度均方差特征矩阵,建立BP神经网络修正线性残差组合模型。结果表明:残差修正模型监测效果优于单一线性回归模型,残差修正模型的决定系数R2为0.977;在光线充足的情况下,残差修正模型的相对误差在10%以下,模型精度相对稳定;最后应用此方法监测高速公路雾天能见度,模型的正确率在80.48%以上。验证了用该方法测量雾天能见度具有可行性和有效性。