[发明专利]一种利用迭代二次启发式规划的污水处理浓度控制方法

说明书

本发明公开一种利用迭代二次启发式规划的污水处理浓度控制方法，用于求解离散时间非线性动态系统的近似最优控制问题，并应用于污水处理系统中溶解氧和硝态氮的浓度控制设计。将二次启发式规划技术与迭代自适应评判框架相结合，在处理近似最优调节问题时，不需要已知被控对象的动态信息，而且可以降低神经网络反向传播的计算复杂度。这样，当开展先进控制设计时，能够有效利用污水处理数据资源，并在自适应学习过程中达到智能优化的目的。

技术领域

本发明属于污水处理技术领域，尤其涉及一种利用迭代二次启发式规划的污水处理浓度控制方法。

背景技术

作为缓解我国水资源短缺问题的一种有效手段，提高污水处理技术水平对于经济社会可持续发展具有重要作用。但是，污水处理过程具有典型的非线性特征，生化反应机理复杂、耦合关系明显，难以建立精确的数学模型，而且具有水质、能耗等方面的要求。其中，关于溶解氧和硝态氮的浓度控制是污水处理领域的一类基本问题。利用传统方法设计的控制器，往往具有自适应能力差、系统能耗较大等缺点。因此，设计自适应能力强而且优化效果明显的先进控制方法，是污水处理领域需要迫切解决的问题，并与复杂非线性系统的优化反馈控制密切相关。本发明将提出一种先进的迭代启发式学习方法，用于解决一类污水处理系统的浓度控制问题。

设计非线性系统优化控制器的主要困难是求解Hamilton-Jacobi-Bellman(简称HJB)方程。结合强化学习、动态规划、神经网络产生的自适应评判设计，是求解非线性HJB方程的一种智能近似方法，典型的实现结构包括启发式动态规划和二次启发式规划。在这两种实现技术中，一般都包括模型网络、评判网络和执行网络，不同之处在于评判网络的输出方式以及由此带来的神经网络反向传播途径的差异。在启发式动态规划技术中，评判网络仅仅输出代价函数，而二次启发式规划技术中的评判网络输出代价函数的导函数，更加有利于得到优化控制律的表达式。此外，考虑迭代形式的数值求解思想产生的迭代自适应评判方法，可以较好地保证算法的收敛性能，因此得到了广泛关注。一般来说，将启发式动态规划和二次启发式规划技术置于迭代自适应评判框架之中，可以分别产生迭代启发式动态规划算法和迭代二次启发式规划算法，它们在求解非线性系统优化控制问题中具有重要作用。

目前，自适应评判方法已经运用于许多复杂工业场景，其中基本的启发式动态规划技术由于结构简单、容易实现，得到了广泛应用，其中包括迭代机制下的启发式动态规划算法。二次启发式规划技术相对于启发式动态规划技术具有明显的优点，能够产生更好的控制效果，但是，二次启发式规划算法很少应用于污水处理领域，尤其没有关于迭代机制下二次启发式规划算法设计的工程应用成果。由于污水处理过程具有非线性、动态未知等复杂特性，如果利用传统控制方法，面临着难以有效应对复杂动态和难以满足优化性能要求的问题。

发明内容

大力发展污水处理技术在实现水资源循环利用和保护生态环境过程中发挥着重要作用。但是，复杂的生化反应机理、精确建模的困难以及系统耦合关系的广泛存在，致使污水处理过程往往具有非线性、不确定等动态特性，这增加了设计优化控制器的难度。在此背景下，本发明提出一种利用迭代二次启发式规划的污水处理浓度控制方法，用于求解离散时间非线性动态系统的近似最优控制问题，并应用于污水处理系统中溶解氧和硝态氮的浓度控制设计。将二次启发式规划技术与迭代自适应评判框架相结合，在处理近似最优调节问题时，不需要已知被控对象的动态信息，而且可以降低神经网络反向传播的计算复杂度。这样，当开展先进控制设计时，能够有效利用污水处理数据资源，并在自适应学习过程中达到智能优化的目的。

附图说明

图1迭代二次启发式规划中的评判网络结构图；

图2利用迭代二次启发式规划的污水处理浓度控制方法流程图；

图3神经辨识器的训练误差；

图4神经辨识器的测试误差；

图5调节器设计问题的迭代协函数收敛曲线；