文摘

膜生物反应器MBR的计算机模拟已经成为研究的焦点MBR模拟。为了弥补缺陷,例如,测试周期长,成本高,无形的设备密封,等等,在此基础上进行深入研究,MBR的数学模型,结合神经网络理论,提出了一种三维仿真系统对MBR污水处理、速度快、效率高、和良好的可视化。系统研发与vc++混合编程的编程语言和OpenGL,多因素线性回归模型的影响MBR膜通量基于神经网络建模方法应用整数而不是浮动和四棵树递归。实验表明,三维仿真系统,使用上述模型和方法,对未来有灵感和参考MBR仿真技术的研究和应用。

1。介绍

MBR MBR水处理过程的仿真模拟,是一个系统用于特殊的工程和研究人员。它属于视觉模拟,也是一个动态模拟,并使用可视化技术模拟MBR水处理过程。因为使用视觉模型设计的OpenGL技术代替物理样机,它大大降低了成本,提高了效率的研究,使安全得到一个好的保障,提高面对客户和市场的能力。

MBR的建筑视觉仿真系统仿真器使用OpenGL图形标准按照计算机图形技术和图形设计原则。OpenGL技术系统符合视觉和光学原理系统开发所必需的。OpenGL技术有许多优点,非常适合MBR仿真系统的视觉设计。OpenGL也有光处理技术,将参数、光源和顶点的距离,光线的顶点和顶点的方向向量观点,等等,为光学模型,计算每个顶点的颜色,可以表达物体的3 d光学特性在整个照明模式。所以的颜色视觉仿真图形显示对象之间的空间关系和观点和光源,演示了一个强烈的三维视觉特性。

本文进行MBR水处理过程的研究,结合数值模拟计算,科学计算可视化的方法。从模拟计算实现整体转换到计算机视觉图像,消除了冗长的数据处理,并观察到分布,变异,快速和客观规律的设备,凭直觉。与此同时,它有助于了解水处理的具体细节,提高加工效率,从而为设计提供参考和依据,改进和优化MBR。本文将讨论两个方面,数据建模和可视化实现。

2。基于得到的多因素的数学实验模型

2.1。MBR的建模方法

本文的测试主要检查污染负荷、污染物去除,污泥沉降性能,有机物去除,等等,所有这些影响膜污染的反应堆。因此,MBR的反馈通过三维模拟污染情况和措施通过膜污染指数:

被过滤的膜污染模型,初始状态和0,mls也是0。所以初始粘度,初始膜通量是由下列公式:

的最后的膜通量是由许多因素决定的,因此我们将在本文中稍后讨论和研究它。

2.2。MBR建模的数据分析

收集实际运行数据的基础上建立MBR的数学模型。收集相关数据,有必要明确各种元素之间的定量关系,同时观察和分析系统的研究问题,总结决策的目标和决策的所有方面的限制。

收集的字段数据,本文提取所需的数据来源通过使用基于MBR系统的现场试验数据,如表1所示。

它可以看到从表的数据115个小时后,总阻力和膜通量之间的关系,showen图1。压力和膜通量之间的关系如图2。mls的流入和膜通量之间的关系如图3。

2.3。建立一个MBR数学实验模型

MBR仿真系统,建立一个适当的数学实验模型可以评估和模拟现有的系统。通过仿真系统,我们可以及时发现问题,调整系统的参数,得到一个更加稳定和合理的治疗效果。我们也可以指导新系统的设计,所以,研究人员可以设计反应堆更加合理和科学。

数学建模是一个复杂的过程。为总阻力和膜通量之间的关系,我们可以看到逆关系图1。电阻逐渐变大,膜通量逐渐变小,它们之间的关系

有很多其他因素影响膜通量,除了包括阻力。在之前的研究,我们建立了鳕鱼和美国之间的数学模型。为了更接近实际的仿真环境的基础上,本文研究了多种因素之间的数学模型,如压差和mls和膜阻力。通过许多因素之间的数学模型和膜阻力,我们最终建立多因素之间的数学实验模型和膜污染指数。

重要参数如压力差之间的关系,时间,美国职业足球大联盟的总电阻膜是复杂的,而不是简单的线性关系。初建立数学模型,我们尝试使用只有一个多元线性回归建立一个简单的参数之间的关系,用它来分析因素之间的关系。通过讨论、研究和测试模型的建立,我们发现一个多元线性回归参数的敏感性,和模型的参数很容易变形的异常参数,模型也有小的公差和新参数。所以一个多元线性回归模型仅适用于稳定参数的试验条件和环境变化小,也就是说,缺乏接近实际的仿真环境研究。后阅读的大部分文学和研究实际的MBR处理环境,提出了一种多元线性回归实验模型基于神经网络,适合MBR污水处理的环境。

2.4。基于神经网络的多元线性回归模型

根据图表中2.2和膜污染因素,它可以分析每个因素对膜通量不是一个单一的线性关系。单因素对于膜通量显示一种影响力,和多因素结合膜通量显示另一个影响。就像神经元的神经网络,组成的一个单独的神经细胞,形成整个系统交互的每个单元。

神经网络(NN) [1,2]是一种算法的数学模型,可以模仿动物神经网络行为特征,进行分布式并行信息处理。神经网络学习的一个非常重要的研究内容。它实现适应性学习,调整权重,改善系统的行为改变的环境。在MBR的仿真系统,建立多因素膜污染模型,它使用人工神经网络的自学习和自适应能力。神经网络的结构如图4。

如图4,整个神经网络分为三层:输入层、隐藏层和输出层。隐藏层的数量是可变的,隐藏层和隐藏单位的数量决定了整个神经网络的复杂性。治疗在神经网络的类型分为三类:输入单元、输出单元和隐单元。输入单元接收到系统外部输入的信息和数据;输出单元输出系统处理结果;隐藏的单位不是观察到由外部系统控制,以及输入和输出之间的定位单元。网络处理单元的连接关系反映信息的表示和处理,以及神经元之间的连接权值反映了单元之间的连接强度。

2.5。多种因素影响MBR通量的数学实验模型

根据神经网络理论,结合膜影响因素的特点,提出了一种神经网络系统适合MBR,以及影响膜的因素被称为神经因素单元,如图5。

如图5所示,MBR神经网络的结构也由三层组成,但输出层只有一个目标变量,即最终的膜通量。每个单元都有学习功能的神经网络。神经单元得到原始数据在网络的输入,并输出相应的期望值。与网络输出相比,他们得到误差信号,调整控制体重的连接强度。经过大量的训练,收敛于一定重量的重量。但在MBR神经网络,每个神经细胞都有学习能力虽然引入建立了数学模型。这些数学模型验证了许多科研人员和许多实验,保证其准确性。他们不需要大量的学习,他们只需要自动输出引用多因素模型根据输入参数。所以本文关注数学模型未知的多种因素的联合行动。

MBR结构图的神经网络输出层,即最终的膜通量,是综合效应的各种隐层的通量。设置总膜通量,它可以显示具体由以下公式:

膜通量,结合已知的通量的影响,如压力和膜阻力,见公式(2.5)。和膜通量影响mls公式所示(2.6)。这些因素影响膜通量已经在许多研究和讨论,但多种因素的共同作用需要进一步讨论:

粘度值计算了佐藤和其他人的研究结果和污泥粘度与污泥浓度的增长指数吗。

后根据实验研究,除了已知的影响因素对于膜通量,未知的影响因素对于膜通量的关系很小,但不能被忽视。对于小的部分,我们试图与简单的方法,建立数学模型,本文采用多元线性建立它们之间的关系。本文使用基于神经网络的知识来解决多种因素。不仅是确保独立的各种因素对于膜通量的影响,但也不忽视的共同影响因素对于膜通量。这个模型更接近现实的模拟环境。

各种因素的不确定性的影响膜通量增加建筑模型的难度。基于用线性自回归方程与改变单因素容易波动,是非常适合处理环境变化很少像MBR反应堆在很短的时间内。建立多元线性回归方程是一个过程来估计多因素线性模型,寻求估计量。类似于线性回归分析的基本思想,也是基于最小二乘法的原理,解决multicoefficient残差平方和的观察和回归价值达到最小值。残差平方和 的非负二次,所以最低必须存在。根据极端主义原则,当故事发生在极端主义,必须满足 因此(2.7),即满足

正常的方程(2.9显示如下:

如果系数矩阵(2.10),然后可以看出这是一个对称矩阵。然后,

的结构矩阵数据的多元线性回归模型的公式结构矩阵的转置矩阵吗。右边的常数项(2.10)通常是由矩阵表示,然后

所以,(2.10可以显示为) 或

如果的行列式是,然后是一个满秩。然后,有逆矩阵。根据(2.13)和(2.14),最小二乘估计是

这些是多元线性回归方程的回归系数。(2.10)的线性方程未知的数量,所以第一个方程可以简化为

在这一点,

把(2.16)到剩下的方程(2.10),然后

在这一点,

方程(2.15)所示的矩阵,然后

因此,多元线性回归方程的系数可以先解决由(2.19),然后回到(2.20)。然后我们可以解决系数通过高斯变换系数进入回归方程

我们把膜通量之间的多个因素的回归方程,解决了膜污染的指数方程。然后,

在这里,MBR膜污染指数的数学实验模型已经建立。

3所示。MBR的三维模拟的过程

这个主题是基于vc++ 6.0和OpenGL,结合了MBR的实时处理数据的仿真系统与三维图形处理模块,并进行实时三维实体模型和生成的数据。

这是一个很好的支持OpenGL的Windows操作系统,这使得开发OpenGL应用程序变得更简单和快速的通过使用vc++ 6.0或其他版本的Visual c++, VS2005等在Windows系统(3,4]。这个话题是所使用的开发工具vc++ 6.0和良好的支持OpenGL库并使用OpenGL图形库提供的可视化编程环境。这些一系列的指令和功能与灵活的应用程序指导合作和基本类库vc++ 6.0的声音,这可以极大地简化三维图形编程的发展在MBR三维仿真系统5,6]。

3.1。vc++ 6.0和OpenGL应用程序接口

它需要建立应用程序的接口(7的vc++ 6.0和OpenGL开发应用程序通过合作与OpenGL开发工具vc++ 6.0,我们必须配置参数在vc++ 6.0开发环境。不符合OpenGL图形库的建立方法,图形设备接口的窗户,应用程序的图形库与操作系统无关,其独特的设计使窗户为其提供一些特殊的函数库。

相关的参数设置后,为了满足特殊需要的OpenGL像素格式,我们需要重置的像素格式绘制窗口。在这里,我们声明一个结构变量Pixelformatdescriptor和结构变量支持OpenGL和它的颜色模式,但我们也需要设置适当的一些结构成员。然后,我们使用结构变量作为参数来调用函数ChoosePixelFormat(),以便分配一个数量的像素格式。然后我们称之为SetPixelFormat()来设置像素格式的数量分配给当前像素格式。重置像素格式后,下一步是建立OpenGL的着色的场景。着色场景的作用相当于现场设备在Windows和类似设备现场。只有在设置着色,OpenGL可以调用绘图语句本身把图形画在窗口。

Win32API提供几个场景功能操作与前缀wgl着色,包括wglCreateContext (), wglDeleteContext (), wglGetCurrentContent (), wglGetCurrentDC(),和wglDeleteContent ()。我们需要知道什么是着色的场景为单位设置线程。即,为了执行语句的绘图函数在OpenGL着色的场景,每个绘图线程必须使用着色,着色的场景。这些函数的着色,wglCreateContext()函数建立的着色,与处理设备的现场参数并返回一个句柄的颜色链接的处理现场设备现场。然后调用函数wglMakeCurrent()这两个句柄作为参数,这使得着色,着色现场由当前线程使用。然后,它是建立vc++ 6.0的应用程序编程接口和OpenGL窗口。

3.2。构建虚拟的MBR仿真模型的方法

MBR虚拟系统的模拟,MBR水处理中最重要的部分是模拟和研究这个话题的焦点。通过提供这些高级功能的OpenGL MBR建立了数学模型,包括建模、坐标变换、着色,光,和光滑的二维和三维图形函数和纹理映射和NURBS曲线,MBR的虚拟模型仿真可以生成三维仿真场景的MBR和绘制三维对象8]。

合成方法的基本方法是构建一个虚拟模型在OpenGL。使用OpenGL绘制三维实体与其他实体模型,模型是相同的,他们都是通过简单的规则和合成三种情况如下。(1)合成规则的实体,如形状的设计规则的实体模型,MBR反应堆,只需使用提供的空间几何OpenGL,如气缸、锥,球体。然后改变这些空间几何图形的大小和位置,通过调整一些参数的OpenGL函数,使它们结合成的实体规则,满足需求。(2)合成的肤浅地复杂的实体,如污泥层MBR反应堆的设计,可以使用提供的备份NURBS OpenGL Glu图书馆功能。通过评估程序,OpenGL画nurbs的数量,也可以计算数量的贝塞尔曲线的曲线和曲面。我们需要画出曲面时,我们必须首先确定最相似的多边形的最大平面的多边形表面或直接使用物理接口,以确保多边形的顶点位于边缘的表面。多边形是建立之后,再次我们构建基于表面,表面的凹凸程度可以由控制的位置点。对于封闭曲面的建设,我们需要确保平滑连接的安排相同的控制点的结。(3)不规则的合成复杂的实体:三角形可以加入到任何多边形,它的功能是杰出的在OpenGL编程设计。所以喜欢在OpenGL物理合成的设计,在硬件级别,三角形的画是最高度优化的三维加速硬件和图形加速卡的。对于一些不规则的实体,我们可以先合成一些简单的几何通过三角形或多边形,然后把它们。对于那些喜欢MBR膜模块,他们需要显示当地的细节特征,而膜模块的表面和膜污染变化。变化多端的对象的类型,复杂的图形或需要表达当地的细节特征,特别适合与三角形。

3.3。构建MBR仿真的虚拟系统

本文的虚拟对象主要是虚拟设备类包括MBR的模拟水处理。为了模拟各种各样的虚拟对象MBR水处理的过程中,我们需要建立行为模型的各种对象,他们有这个简单的几何模型的本质区别。面向对象的技术设计与实现的理想选择的虚拟对象。通过面向对象的技术,很容易使虚拟实体对象的显示与物理对象的行为一致性对应,然后虚拟系统可以显示的真实性。的MBR膜模块的虚拟设备行为的能力,面向对象技术的对象对应的虚拟设备,对象的属性显示虚拟设备的属性,和对象的方法显示设备的行为。对象的封装使得它们保持优秀的对象之间的接口和独立的同时,和对象的多态性使类库有很好的可扩展性,和对象的继承反映了设备的可分类的水平。

4所示。MBR数学实验模型的可视化仿真

数学测试模型和虚拟模型建立后,它仍然需要研究MBR反应堆的状态通过结合数值模拟的方法和科学可视化。它抛弃了原来的输出单调数字形式和实现转换的数学仿真的视觉图形。它也可以观察状态、改变和相关规则MBR水处理的快速直观地说,以便提供设计的参考和依据,改善和优化MBR。

设备需要研究包括污水泵、气泵、流量计、真空计和MBR。膜组件的这个主题采用中空纤维膜微孔过滤器(MF)组件的聚偏二氟乙烯(PVDF)研究中心的天津Motimo和纤维孔径是0.2μ外部压力类型的米水;有效使用面积是25米²。MBR测试模型,根据给定的实体参数模型,我们首先建立一个虚拟三维模型使用OpenGL。

4.1。设备规格的MBR

PVDF有良好的耐污染性能的特点,高通量,内外表面光滑,相对较高的强度、良好的复苏清洁通量,等等。主要性能参数表2。

在本文中,我们使用水处理器组成的15块固定膜生物反应器体积,和设备的具体参数如表所示3。

4.2。可视化编程

MBR的可视化是可视化的主要分成两部分的形状和空间内部组件,如图6。

MBR的形状和组成部分反应堆使用所有类型的原语和更复杂的三维图形基本的OpenGL库和辅助库。在MBR仿真系统的建立,本文采用整数而不是浮动,并使用整数建立模型尽可能。这样做的好处可以提高系统建模的速度和后处理图形通过减少浮点操作,以提高MBR的处理速度和效率的三维仿真系统。

(1)坐标系统的建立

它最初的坐标系统和坐标系统当前的图纸在仿真系统中,和他们的长度来。坐标系统当前的绘画是绘画对象的坐标系统,在一开始,最初的坐标系统是符合当前图的坐标系统。后使用glTranslatef (), glRotatef(),和其他功能翻译,规模,和旋转坐标系统的转换当前的绘图,初始坐标系统分离与当前图的坐标系统。

(2)模型的建立

MBR反应器模型的建立需要提取、表达和量化的数据。提取的数据是根据MBR设备的参数提供。提取参数后,我们需要参数抽象、分析和纠正。然后我们可以量化数据和模型。

(一)框架的建立

建设的图形是由点,线,面在MBR三维系统。坐标系的建立后,我们提取上述物理模型的参数,如长度、宽度、高度、厚度、数量、规模成比例的坐标系,得到每个点的坐标在模拟环境下的具体模型。然后,我们得到MBR反应堆使用的虚拟模型。根据四个顶点,我们画一个矩形如下:

glBegin (m_nPattern); / /开始画的方法m_ nPattern

glVertex3fv (v1);/ /顶点1

glVertex3fv (v2);/ /顶点2

glVertex3fv (v3);/ /顶点3

glVertex3fv (v4);/ /顶点4

glEnd(); / /绘图。

这个立方体的六个面的淹没根据每个表面的四个顶点和图所示7。

建立框架模型后,我们画出模型的轮廓。然后,我们量化间隔的框架,以获取模型的扩展空间。具体方法如下:

/ /向量标准化,标准化的长度,宽度和高度

是GLfloat=(是GLfloat)√***);

如果(= = 0.0)

返回;

/ =;/ =;/ =;

* =_length / 2;* =_length / 2;* =_length / 2。

量化后,我们完善的结构纹理模型框架模型通过使用four-binary树的递归的方法。因为模型组成的一个矩形四个小,如果我们采用一个递归的方法,程序建模的处理效率会非常低。事实上,four-binary树的递归的使用方法是一种方式,它使用空间的时间和使用一个特定的内存空间相当大的建模的速度。实验结果表明,它是可行的。结果如图8。

(b)模型的建立

框架建筑的MBR反应堆后,它需要添加模块,这些模块变量。例如,膜模块可以通过使用模拟的数学模型建立了根据输入数据和可以调整膜的颜色模块根据仿真的结果。然后根据颜色,我们可以区分国家和当前膜模块的污染水平。

添加模块有污水模型、管模型,等等。本文使用的方法添加表面为这种类型的模型框架,比如一些常见的平面和曲线表面:

/ /设置一些参数

glPushMatrix ();

glEnable (GL_COLOR_MATERIAL);

glDepthMask (GL_FALSE);

glEnable (GL_BLEND);

glBlendFunc (GL_SRC_ALPHAGL_ONE_MINUS_SRC_ALPHA);

glBegin (GL_QUADS); / /开始画出图计划

glVertex3fv (&vertex_list [index_list[我]);

glVertex3fv (&vertex_list [index_list[我]);

glVertex3fv (&vertex_list [index_list[我]);

glVertex3fv (&vertex_list [index_list[我]);

glEnd ();

glDepthMask (GL_TRUE);

glPopMatrix ()。

建模图添加模块如图9。基本模型建立了MBR反应堆。我们用不同的颜色来判断膜模块的状态,和白色的颜色显示的最低水平的警报膜模块没有被污染。颜色越深,更高程度的污染膜的模块,和糟糕的状态,红色代表最高水平的警报。

5。结论

摘要提出了基于神经网络的多元线性回归模型。尽管真实的数据收集和分析,我们画膜通量的关系图,压差,mls,总阻力和建立MBR反应器的三维仿真模型。在分析数据参数之间的关系图,我们知道不同的膜电阻参数的影响使用多元线性回归方程,然后我们每个参数之间建立的数学模型和膜污染膜阻力和流量之间的关系。膜污染指数的图形可以直观的显示在MBR三维仿真模型,即通过这个实验模型之间的关系。计算机可视化技术的灵活应用在MBR三维仿真系统有效地缩短了MBR污水处理的研究周期,提高工作的效率。研究和设计构思有激励和参考影响研究、应用和发展未来的MBR仿真技术。