[发明专利]一种好氧-缺氧-厌氧反应器的鲁棒优化控制方法

权利要求书

1.一种好氧-缺氧-厌氧反应器的鲁棒优化控制方法，其特征在于，包括以下步骤：

(1)设计好氧-缺氧-厌氧反应器的操作性能评价指标：

1)建立数据驱动运行成本指标：

其中，J₁(t)为t时刻的数据驱动运行成本指标，I_OC(t)＝[S_NO(t)，S_O(t)，S_I(t)，Q_in(t)，Q_r(t)]^T为J₁(t)的输入向量；S_NO(t)为t时刻缺氧池中的硝态氮浓度且取值范围为[0，2mg/L]，其中mg代表毫克，L代表升；S_O(t)为t时刻缺氧池中的溶解氧浓度且取值范围为[0，3mg/L]；S_I(t)为缺氧池中可生化降解有机物浓度且取值范围为[0，2mg/L]；Q_in(t)为入水流量且取值范围为[0，20000m³]；Q_r(t)为外回流流量，取值范围为[0，20000m³]；T为向量或矩阵的转置；w_1,h(t)为数据驱动运行成本指标的第h个权重参数且取值范围为[-10，10]；c_1,h(t)＝[c_2,h,1(t)，c_2,h,2(t)，…，c_2,h,5(t)]^T为数据驱动运行成本指标的第h个中心参数向量，其中每个元素的取值范围均为[0，10]；b_1,h(t)为数据驱动运行成本指标的第h个宽度参数且取值范围为[0，10]；d₁(t)为数据驱动运行成本指标的输出偏移，取值范围为[-10，10]；

2)建立数据驱动出水质量指标：

其中，J₂(t)为t时刻的数据驱动出水质量指标；I_EQ(t)＝[S_NO(t)，S_O(t)，S_I(t)，Q_r(t)，S_PO(t)，Q_in(t)]^T为数据驱动出水质量指标的输入向量；S_PO(t)为好氧池中的磷酸根浓度且取值范围为[0，1mg/L]；w_2,m(t)为数据驱动出水质量指标的第m个权重参数且取值范围为[-10，10]；c_2,m(t)＝[c_2,m,1(t)，c_2,m,2(t)，…，c_2,m,6(t)]^T为数据驱动出水质量指标的第m个中心参数向量，其中每个元素的取值范围均为[-10，10]；b_2,m(t)为数据驱动出水质量指标的第m个宽度参数且取值范围为[0，10]；d₂(t)为数据驱动出水质量指标的输出偏移且取值范围为[0，10]；

(2)建立多目标鲁棒粒子群算法的实时优化方法：

1)将建立的数据驱动运行成本指标与出水质量指标作为多目标鲁棒粒子群算法的优化目标函数；

2)初始化粒子群的种群数量为50，最大进化迭代步数为T_max＝100；

3)进化将从第1代开始，迭代到第T_max代时结束，当进化过程处于第τ代时，将第n个粒子的位置x_n(τ)＝[S_NOn(τ)，S_On(τ)]代入目标函数，计算出目标函数值；S_NOn(τ)为第τ代时的硝态氮浓度且取值范围为[0，2]；S_On(τ)为第τ代时的溶解氧浓度且取值范围为[0，3]；

4)以每个粒子为中心建立邻域，这些邻域是边长为2ε_max(t)的长方体，ε_max(t)＝[ε_NOmax(t)，ε_Omax(t)]；ε_NOmax(t)＝0.1为t时刻硝态氮浓度扰动幅值上限；ε_Omax(t)＝0.2为t时刻溶解氧浓度扰动幅值上限；随后在每个邻域内均匀分布25个邻点，z_n,k(τ)＝[z_n,k,1(τ)，z_n,k,2(τ)]为第τ代第n个粒子的第k个邻点；z_n,k,1(τ)为z_n,k(τ)在第一维搜索空间上的位置；z_n,k,2(τ)为z_n,k(τ)在第二维搜索空间上的位置，k＝1，2，…，25；将z_n,k,1(τ)代入第一个目标函数的适应度值为J₁(z_n,k,1(τ))；将z_n,k,2(τ)代入第二个目标函数的适应度值为J₂(z_n,k,2(τ))；

5)建立优化-鲁棒性能指标以搜索全局最优点与局部最优点：

其中，F(x_n(τ))为第τ代第n个粒子的优化-鲁棒性能指标；P(x_n(τ))为第τ代第n个粒子的操作性能指标且数值等于J₁(x_n,1(τ))与J₂(x_n,2(τ))之和；P(z_n,k(τ))为第τ代第n个粒子第k个邻点的操作性能指标且数值J₁(z_n,1(τ))与J₂(z_n,2(τ))之和；E(x_n(τ))为第τ代第n个粒子邻域内的期望性能；E_min(τ)为第τ代粒子期望性能的最小值；D(x_n(τ))为第τ代第n个粒子邻域内的性能方差；D_min(τ)为第τ代粒子性能方差的最小值；具有最小的优化-鲁棒性能指标值的粒子的位置被选为个体最优点或者全局最优点；

6)种群进化迭代，更新粒子的位置与速度信息：

x_n,1(τ+1)＝x_n,1(τ)+v_n,1(τ+1) (6)

x_n,2(τ+1)＝x_n,2(τ)+v_n,2(τ+1) (7)

其中，x_n,1(τ+1)为τ+1代第n个粒子在第一维搜索空间的位置；x_n,2(τ+1)为τ+1代第n个粒子在第二维搜索空间的位置；v_n,1(τ+1)为τ+1代第n个粒子在第一维搜索空间的速度；v_n,2(τ+1)为τ+1代第n个粒子在第二维搜索空间的速度；g₁(τ)为步骤5)搜索到的τ代粒子在第一维搜索空间的全局最优点；g₂(τ)为步骤5)搜索到的τ代粒子在第二维搜索空间的全局最优点；p_n,1(τ)为步骤5)搜索到的τ代第n个粒子在第一维搜索空间的个体最优点；p_n,2(τ)为步骤5)搜索到的τ代第n个粒子在第二维搜索空间的个体最优点；η₁为[0，1]范围内的随机数，η₂为另一个[0，1]范围内的随机数；

7)令τ值增大1，如果当前的进化代数τ大于等于T_max，则终止迭代过程并转入步骤8)，否则返回步骤3)；

8)选取鲁棒优化设定点：

x^*(t)＝[S_NO^*(t),S_O^*(t)] (10)

其中，x^*(t)为T_max时刻具有最小的优化-鲁棒性能指标值的粒子的位置；S_NO^*(t)为t时刻的硝态氮鲁棒优化设定点；S_O^*(t)为t时刻的溶解氧鲁棒优化设定点；

(3)设计基于模糊神经网络的控制器：

1)模糊神经网络控制器的拓扑结构共四层：输入层、径向基层、规则层和输出层，采取4-9-9-2的连接方式，即输入层神经元的数量为4，径向基层神经元数量为9，规则层神经元数量为9，输出层神经元数量为2；

2)输入层的输出为：

其中，θ(t)为t时刻输入层的输出向量；e_SO(t)为t时刻溶解氧浓度控制误差；Δe_SO(t)为t时刻溶解氧浓度控制误差变化量；e_SNO(t)为t时刻硝态氮浓度控制误差；Δe_SNO(t)为t时刻硝态氮浓度控制误差变化量；

3)径向基层的输出为：

其中，为t时刻径向基层第j个神经元的输出，j＝1，2，…，9；Ф_i,j(t)为径向基层第j个神经元的第i个隶属度函数；θ_i(t)为径向基层第j个神经元的输入；μ_i,j(t)为t时刻径向基层第j个神经元的第i个隶属度函数的中心且取值范围为[0，10]；σ_i,j(t)为第t次迭代时径向基层第j个神经元的第i个隶属度函数的宽度且取值范围为[0，10]；

4)规则层的输出为：

其中，Ψ_j(t)为t时刻规则层第j个神经元的输出；

5)输出层的输出为：

其中，ΔK_La(t)为t时刻溶解氧传递系数变化量；δ_1,j(t)为t时刻规则层第j个神经元与输出层第一个神经元之间的权重且取值范围为[-10，10]；ΔQ_a(t)为t时刻内回流变化量；δ_2,j(t)为t时刻规则层第j个神经元与输出层第二个神经元之间的权重且取值范围为[-10，10]；

(4)调整溶解氧传递系数与内回流量以跟踪最优设定点：

K_La(t+1)＝K_La(t)+ΔK_La(t) (19)

Q_a(t+1)＝Q_a(t)+ΔQ_a(t) (20)

其中，K_La(t+1)为t+1时刻的溶解氧传递系数；K_La(t)为t时刻的溶解氧传递系数；Q_a(t+1)为t+1时刻的内回流量；Q_a(t)为t时刻的内回流量；利用变频器调整供氧泵与回流泵的频率，则好氧-缺氧-厌氧反应器中的硝态氮浓度将被调整至S_NO^*(t)，溶解氧浓度将被调整至S_O^*(t)；至此，好氧-缺氧-厌氧反应器的出水质量与运行成本都将达到最优值。