專利名稱:基于遞歸神經(jīng)網(wǎng)絡(luò)模型的溶解氧的自適應(yīng)控制方法
技術(shù)領(lǐng)域:
本發(fā)明利用基于遞歸神經(jīng)網(wǎng)絡(luò)模型的自適應(yīng)控制器實現(xiàn)污水處理過程中溶解氧 (DO)的控制方法,污水處理過程中溶解氧(DO)的控制作為污水處理的重要環(huán)節(jié),是先進制造技術(shù)領(lǐng)域的重要分支,既屬于水處理領(lǐng)域,又屬于控制領(lǐng)域。
背景技術(shù):
隨著國民經(jīng)濟的增長和公眾環(huán)保意識的增強,污水處理自動化技術(shù)迎來了前所未有的發(fā)展機遇。國家中長期科技發(fā)展規(guī)劃中提出要研究并推廣高效、低能耗的污水處理新技術(shù)。因此,本發(fā)明的研究成果具有廣闊的應(yīng)用前景。溶解氧(DO)濃度是目前污水處理中應(yīng)用最為廣泛的運轉(zhuǎn)控制參數(shù),當(dāng)溶解氧不足或過量時都會導(dǎo)致污泥生存環(huán)境惡化當(dāng)氧氣不足時,一方面由于好氧池中絲狀菌會大量繁殖,最終產(chǎn)生污泥膨脹,發(fā)生異常工況;另一方面由于好氧菌的生長速率降低從而引起出水水質(zhì)的下降。而氧氣過量則會引起懸浮固體沉降性能變差,影響污水處理系統(tǒng)的正常運行。溶解氧的控制涉及到微生物的生長環(huán)境以及處理過程的能耗,因此,溶解氧控制一直是研究的重點。傳統(tǒng)的開關(guān)控制或者PID控制,雖然是當(dāng)前應(yīng)用較為廣泛的控制方法,但是由于氧氣的溶解過程受入水水質(zhì)、溫度和PH值等方面的影響,具有高度非線性、強耦合性、時變、大滯后和不確定性等特點。采用傳統(tǒng)的開關(guān)控制或者PID控制方法自適應(yīng)能力較差,往往不能取得理想的控制效果。
發(fā)明內(nèi)容
本發(fā)明將遞歸神經(jīng)網(wǎng)絡(luò)模型和自適應(yīng)控制結(jié)合,提供了一種基于遞歸神經(jīng)網(wǎng)絡(luò)模型的自適應(yīng)控制方法。通過分析污水處理過程,構(gòu)建遞歸神經(jīng)網(wǎng)絡(luò)模型,基于此模型設(shè)計控制器,提高控制器的抗干擾能力,解決控制器在強干擾環(huán)境下的自適應(yīng)問題,從而可以很好的通過改變曝氣量達到控制DO濃度的效果;本發(fā)明提高了污水處理過程中DO控制的精度, 保障了污水處理過程的正常運行;本發(fā)明采用了如下的技術(shù)方案及實現(xiàn)步驟基于遞歸神經(jīng)網(wǎng)絡(luò)模型的溶解氧的自適應(yīng)控制方法,基于由變頻器、電動機、鼓風(fēng)機構(gòu)成的污水處理廠溶解氧控制系統(tǒng)的物理平臺,其特征在于包括以下步驟(1)構(gòu)建樣本數(shù)據(jù);采集曝氣量數(shù)據(jù)和溶解氧數(shù)據(jù)構(gòu)建樣本數(shù)據(jù)對(U,Yp),并剔除異常數(shù)據(jù)對;曝氣量作為污水處理過程的輸入U(k),溶解氧濃度則為污水處理過程的輸出 Yp (k),本污水處理過程通過控制曝氣量進而控制溶解氧濃度。設(shè)采集了 t個曝氣量數(shù)據(jù)樣本U(I),U O),L,U⑴,均值為歹,每一個樣本的偏差為β⑷=f/⑷,q = 1,2,L,t,按照Bessel公式計算出標準偏差σ
權(quán)利要求
1.基于遞歸神經(jīng)網(wǎng)絡(luò)模型的溶解氧的自適應(yīng)控制方法,其特征在于包括以下步驟(1)構(gòu)建樣本數(shù)據(jù);采集曝氣量數(shù)據(jù)和溶解氧數(shù)據(jù)構(gòu)建樣本數(shù)據(jù)對(U,Yp),并剔除異常數(shù)據(jù)對;(2)構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu);確定神經(jīng)網(wǎng)絡(luò)1-m-m-l的連接方式,即輸入層神經(jīng)元為1個,反饋隱含層和傳輸隱含層神經(jīng)元需為相同的個數(shù),為m個,反饋隱含層內(nèi)神經(jīng)元上一時刻輸出反饋給自身神經(jīng)元作為當(dāng)前時刻的輸入;輸出層神經(jīng)元為1個;對神經(jīng)網(wǎng)絡(luò)的連接權(quán)值進行隨機賦值;(3)采用BP算法訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)模型,建立污水處理曝氣過程的網(wǎng)絡(luò)狀態(tài)模型;A.建立污水處理曝氣過程的網(wǎng)絡(luò)狀態(tài)模型,描述如下X(k+1) = WhX (k)+WiU (k) (3)Yn (k) = ff°f(ff34X(k))(4)其中,U(k)為曝氣量,W1^WSW34J為神經(jīng)網(wǎng)絡(luò)的連接權(quán)值,X(k)為遞歸神經(jīng)網(wǎng)絡(luò)的狀態(tài),^i(k)為第k個時刻遞歸神經(jīng)網(wǎng)絡(luò)模型輸出的溶解氧濃度值,f(·)為sigmoid函數(shù);B.采用BP算法訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)模型的權(quán)值采用BP算法對權(quán)值Wh,Ψ, W34, W0進行訓(xùn)練,其中,反饋矩陣Wh在每一步訓(xùn)練之后增加一步操作h h hW y = W j // w y其中,Whi表示W(wǎng)h對角線上第i行的元素;(4)基于上述遞歸神經(jīng)網(wǎng)絡(luò)模型建立自適應(yīng)控制器;A、將遞歸神經(jīng)網(wǎng)絡(luò)模型接入控制系統(tǒng)中,期望溶解氧濃度與模型輸出溶解氧濃度的誤差作為控制器的輸入,控制器的輸出作為遞歸神經(jīng)網(wǎng)絡(luò)模型的輸入,將遞歸神經(jīng)網(wǎng)絡(luò)模型的參數(shù)#,Ψ, W34, W°和狀態(tài)X(k)反饋給控制器,應(yīng)用最優(yōu)控制理論得到最優(yōu)控制率,計算方法如下[/(眾)=[玄 r° (Ji)P"-1 (k)W(k)Yl [r{k + ζ·)-爐° (Ji)Pi (k)x(k) - Yp(k) + Yn(k)](5)M=I其中,x(k) =ff34(k)x(k),ff(k) = W34GOWi(k),P(k) = ff34(k)ffh(k) (W34GO)-^i 表示預(yù)估采樣周期的個數(shù),r(k+i)為第k個時刻的后i個時刻的溶解氧濃度的設(shè)定值,Yp (k)為第 k個時刻實際污水處理過程中檢測的溶解氧濃度值jn(k)為第k個時刻遞歸神經(jīng)網(wǎng)絡(luò)模型輸出的溶解氧濃度值;B、用動態(tài)BP算法在線調(diào)整遞歸神經(jīng)網(wǎng)絡(luò)模型的權(quán)值;(5)將得到的最優(yōu)控制率傳給污水處理過程的執(zhí)行機構(gòu),控制污水處理過程的溶解氧濃度。
全文摘要
針對污水處理過程高度非線性、強耦合性、時變、大滯后和不確定性嚴重等特點,本發(fā)明提出一種基于遞歸神經(jīng)網(wǎng)絡(luò)模型的自適應(yīng)控制方法,實現(xiàn)對污水處理過程中溶解氧(DO)濃度的控制;該控制方法通過遞歸神經(jīng)網(wǎng)絡(luò)對污水處理過程建模,從而把污水處理過程中溶解氧濃度實時反饋給控制器,提高控制器的自適應(yīng)能力,能夠快速、準確地使溶解氧達到期望要求;解決了當(dāng)前基于開關(guān)控制和PID控制自適應(yīng)能力較差的問題;實驗結(jié)果表明該方法能夠快速、準確地控制溶解氧濃度,并具有較強的自適應(yīng)能力,提高污水處理的質(zhì)量和效率、降低污水處理成本,促進污水處理廠高效穩(wěn)定運行。
文檔編號G05B13/04GK102411308SQ201110440029
公開日2012年4月11日 申請日期2011年12月24日 優(yōu)先權(quán)日2011年12月24日
發(fā)明者喬俊飛, 陳啟麗, 韓紅桂 申請人:北京工業(yè)大學(xué)