数据驱动的微生物燃料电池操作空间设计与控制
作为一类主要的生物电化学系统，微生物燃料电池(MFC)通过微生物的代谢活动将生物质转化为电能，又可以与废水处理相结合用于处理污水。近年来MFC技术已成为一项有前途但又具有挑战性的技术，它可以满足迫切的能源需求，特别是以废水为底物，同时可以获得新能源并解决环境问题。目前大多数研究人员致力于如何提高微生物燃料电池的性能和应用，以便投入实际生产。本论文采用数据驱动的方法，围绕MFC的操作设计和在线控制问题展开研究，主要工作进展如下: 适当的操作变量空间设计对于开发新型MFC装置和提高MFC过程的性能具有重要的意义。本文提出了一种数据驱动模型的空间设计方法，充分利用历史的实验数据，较之传统的机理模型设计方法，易于快速、经济的实现。本文推导了支持向量回归(SVR)正模型和逆模型，其中采用的二次项核函数更适用于反演阶段的数学公式。在考虑模型预测不确定性的情况下，提出了受置信区间影响的逆模型直接计算操作变量空间的设计方法。在实际的MFC-A2/O设备上验证了该设计方法的有效性。结果表明，指定的操作空间是知识空间的一个狭窄而有效的区域。同时，与传统的前向模型设计方法相比，该方法从指定操作空间获得的可能的产品质量更接近期望值。 针对MFC的在线控制问题，本文提出了一类基于机器学习数据模型的显式模型预测控制方法，具体分为离线设计和在线控制两个阶段，其中在离线设计阶段实现:(1)在可行域内对可容许状态空间进行采样，离线求解各采样数据点的最优模型预测控制律;(2)构造可行样本判别器，利用支持向量机分类识别可行性样本;(3)针对可行样本和对应的最优控制律，利用人工神经网络和极限学习机等不同方法构造显式模型预测控制器的控制曲面。在线控制过程中，实时采集过程数据，利用已有的预测控制曲面计算可行的控制输出。将该方法在一类微生物脱盐燃料电池(MDC)仿真模型中进行验证。仿真结果表明，本文所提的显式模型预测控制方法避免了在线优化，易于实现，而且具有良好的控制效果。
微生物燃料电池;操作空间;设计理念;预测控制
北京化工大学
硕士
控制工程
王晶;胡宇
2018
中文
TM911.45;TM910.2
85
2018-08-29（万方平台首次上网日期，不代表论文的发表时间）