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)