水环境系统智能化软测量与控制-科普

遗传算法中使用适应度来度量群体中各个个体在优化计算中有可能达到或接近于或有助于找到最优解的优良程度。度量个体适应度的函数称为适应度函数,适应度函数对遗传算法的性能影响很大。如果过分强调当前的较优个体,就会使......查看详细>>

标签:水环境系统智能化软测量与控制

遗传算法中需要选择的运行参数主要有个体编码串长度、群体大小、交叉概率、变异概率、终止代数等。这些参数对遗传算法的运行性能影响较大,须认真选取。5.2.4.1码串长度使用二进制编码来表示个体时,编码串长度的选取与问题......查看详细>>

标签:水环境系统智能化软测量与控制

优胜劣汰是设计遗传算法的基本思想,它在选择、交叉、变异等遗传算子中得以体现,选择、交叉和变异是遗传算法的三个基本的操作。选择操作有助于提高种群的平均适应度;交叉操作有助于产生优良个体;变异操作有助于增加种群的......查看详细>>

标签:水环境系统智能化软测量与控制

遗传算法反复执行适应度评价和选择、交叉、变异遗传算子,直至满足某个收敛准则。遗传算法最常用的终止条件有以下几个。①收敛标准。算法执行到一定程度,群体中的个体字符串结构会很相似,再执行下去难以得到更好的个体了......查看详细>>

标签:水环境系统智能化软测量与控制

5.3.1.1编码和初始种群的生成(1)编码在污水处理过程的优化设计中我们选取溶解氧浓度DO作为主要控制变量,所以首先对DO进行二进制编码。二进制编码串X的长度l与问题所要求的求解精度δ有关,关系为:其中,Umax和Umin分别为参数X的上下......查看详细>>

标签:水环境系统智能化软测量与控制

5.3.2.1遗传算法的最终实现通过对控制参数DO进行二进制编码并随机生成初始群体,选取Jc为适应度函数,以最大进化代数为终止条件,采用适应度比例方法确定选择算子,交叉算子采用单点交叉方法,变异算子采用基本位变异方法,并通过设......查看详细>>

标签:水环境系统智能化软测量与控制

5.4.1.1污水处理系统本文的研究是在污水处理计算机控制实验装置上进行的,图5-12为污水处理实验装置实景图。污水进入调节池后,配置到预期浓度的原料水以备实验,配置好的原料水经过泵提升至曝气池,可根据不同需要设定不同工艺......查看详细>>

标签:水环境系统智能化软测量与控制

5.4.2.1神经网络建模实现建立RBF神经网络结构,确定模型的控制变量、状态变量、性能指标和约束条件,以及它们之间的相互关系。可以通过“选择样本数据”选择不同情况下所需的样本数据,通过“选择测试数据”选择不同的数据对网......查看详细>>

标签:水环境系统智能化软测量与控制

5.4.3.1DO的重要作用及控制方法活性污泥法的耗氧处理过程中,DO是重要的指示性参数,它不仅影响处理效果,还关系到运行费用,所以人们围绕DO做了许多研究。研究中发现当DO浓度较低时,处理出水浑浊,BOD浓度明显提高,在高有机负荷时影......查看详细>>

标签:水环境系统智能化软测量与控制

本章根据污水处理的特点,提出基于遗传算法的污水处理过程优化控制方法,对控制参数DO进行二进制编码并随机生成初始群体,以最大进化代数为终止条件,选择算子采用适应度比例方法。以每日允许排放的有机物总量为约束条件,以运......查看详细>>

标签:水环境系统智能化软测量与控制