外文翻譯--使用兩種廢物的厭氧微生物發(fā)酵的生物制氫生產(chǎn)中操作參數(shù)的影響和仿真模型中文(編輯修改稿)
2025-06-26 08:00 本頁面
【文章內(nèi)容簡介】 D / （ M d）至 40kgCOD / （ M d）時，氫氣產(chǎn)量為最高值： / （ Lreactor d）時。從圖 4 中可知，相似的關系在 IBR 也可以觀察到。因此， VLR 對氫氣生產(chǎn)有重大的影響。 堿度對產(chǎn)氫的影響 對 CSTR 和 IBR 反應器來說堿度是非常重要的參數(shù) 。堿度不僅與氫的生產(chǎn)有關，而且還影響了 污泥的活性。堿度對產(chǎn)氫的影響可用圖 5，圖 6 說明。如圖 5所示，堿度和氫氣產(chǎn)率呈正相關。在 CSTR 反應器中，當氣體產(chǎn)生速率為 0 至 / d 時，堿度是在 / L 至 / L，但處于特殊時期； 當氣體產(chǎn)生速率增加，在 3L / d 來 5L / d 時，堿度維持在 500mg / L 時至 1000mg/ L。當提高產(chǎn)氫速率，對應于堿度增加，而氣體產(chǎn)率為最大高達 / d 時，堿度急劇增加且比為 2020mg / L 的高。需要注意的是，隨著氫氣產(chǎn)量的下降，堿度顯著下降。在圖 6 中 IBR 反應器 ，表明堿度 隨氫氣產(chǎn)生的速率緩慢增加而增加。當產(chǎn)氫速率是在一個較低的值，堿度為約 400mg / L，隨后堿度隨產(chǎn)氫速率增加而增加。因此，堿度的趨勢反映在產(chǎn)氫速率變化中 圖五： CSTR 反應器中的堿度和氫氣產(chǎn)量 圖六： IBR 反應器中的堿度和氫氣產(chǎn)量 產(chǎn)氫速率仿真模型 為了優(yōu)化操作參數(shù)，并預測 CSTR 反應器對廚余垃圾處理的出水水質(zhì)，建立了一個基于向后神經(jīng)網(wǎng)絡（ BPNN）的仿真模型。最后，我們也用這個模型來研究 IBR 。 BP 神經(jīng)網(wǎng)絡對非線性系統(tǒng)具有較強的逼近和泛化能力。與此同時，數(shù)據(jù)的完善和精確性決定了該模 型的適用性。這為過程的在線控制提供了一種可行的方方案。 BPNN 的拓撲架構如圖 7 所示 圖 7： BPNN 的拓撲架構 如圖 7 所示，在輸入層層中有四個節(jié)點，隱藏層中有 3 個節(jié)點，輸出層有一個節(jié)點。每個節(jié)點是一個 BP 神經(jīng)。網(wǎng)絡的輸入層是四個參數(shù)： VLR ， ORP，堿度和出水水質(zhì)的 pH 值。這四個參數(shù)具有生物反應器的操作特性，發(fā)揮了關鍵作用，而且容易被量化。這些參數(shù)有普遍的特殊性并且在神經(jīng)網(wǎng)絡中使用。隱藏層采用單層結構，包括 3 個 神經(jīng)元，以保證不確定的權重占據(jù)一半的訓練樣本。以這種方式，它保證了不僅在網(wǎng)絡中有中度的規(guī)模和緊湊的結構，而且也被有效地鍛煉，也可以防止過度擬合的現(xiàn)象。整個網(wǎng)絡的輸出是產(chǎn)氫效率。 BP 神經(jīng)網(wǎng)絡模型被用來模擬系統(tǒng)，其中 t 包括三層：輸入層，隱藏層和輸出層。隱藏層和輸出層分別采用 tansig 和 purelin 作為激活功能。 Traingdx ，動量適應性訓練的功能之一，被用于網(wǎng)絡訓練。這個算法基于經(jīng)典的 BP 算法，能夠自動調(diào)節(jié)學習效率和額外的動量，避免了局部極小，極大的加速了收斂速度。為了調(diào)試和完善方案，實驗值和 BP 神經(jīng)網(wǎng)絡值的之間的比較是如圖 8，圖 9 所示。 圖八： CSTR 反應器中實驗數(shù)據(jù)和 BPNN 數(shù)據(jù)的比較 圖九： IBR 反應器中實驗數(shù)據(jù)和 BPNN 數(shù)據(jù)的比較 如圖 8 所示，圖 9 ，該方案是比較完善的。調(diào)試程序的結果表明，大量的隱藏層和節(jié)點的數(shù)量可以更好地實現(xiàn)逼近和泛化效應，均方誤差（ MSE ）為 。圖 8 ，圖 9 表明，通過仿真模型的模擬結果與實驗值基本一致。這表明，基于 BPNN 的仿真模型是有效的。因此，我們可以使用該程序來建立產(chǎn)氫速率和其它的一些設計的仿真模型，因此，我們可以使用該程序來建立的 產(chǎn)氫速率的仿真模型和一些設計中，在 CSTR 和 I
畢業(yè)設計相關推薦
鄂ICP備17016276號-1