[发明专利]一种城市污水处理过程自适应评估多目标优化控制方法

权利要求书

1.一种城市污水处理过程自适应评估多目标优化控制方法，其特征包括建立基于径向基核函数的城市污水处理过程优化控制目标模型、设计基于自适应评估多目标粒子群的优化控制方法，具体步骤为：

(1)建立基于径向基核函数的城市污水处理过程优化控制目标模型

1)以城市污水处理过程能耗和出水水质作为优化目标，建立城市污水处理过程优化控制目标模型：

minF(t)＝[f₁(t),f₂(t)] (1)

其中，F(t)为t时刻城市污水处理过程优化控制目标模型；f₁(t)为t时刻城市污水处理过程能耗模型，f₂(t)为t时刻城市污水处理过程出水水质模型；

2)建立城市污水处理过程能耗和出水水质模型：

其中，w₁₀(t)为f₁(t)的输出偏移，取值范围为[-2，2]；w₂₀(t)为f₂(t)的输出偏移，取值范围为[-2，2]；Q₁为f₁(t)中径向基核函数的数量，取值范围为[1，20]；Q₂为f₂(t)中径向基核函数的数量，取值范围为[1，20]；w_1q(t)为f₁(t)中第q个径向基核函数的权重；w_2q(t)为f₂(t)中第q个径向基核函数的权重；s(t)＝[S_NO(t)，S_O(t)，MLSS(t)，S_NH(t)]为f₁(t)和f₂(t)的输入矩阵；S_NO(t)为t时刻生化反应池第二分区硝态氮浓度，取值范围为[0.2mg/L，2mg/L]；S_O(t)为t时刻生化反应池第五分区溶解氧浓度，取值范围为[0.4mg/L，3mg/L]；MLSS(t)为t时刻出水混合悬浮物浓度，取值范围为[0mg/L，100mg/L]；S_NH(t)为t时刻出水氨氮浓度，取值范围为[0mg/L，5mg/L]；c_1q(t)＝[c_1q,1(t)，c_1q,2(t)，c_1q,3(t)，c_1q,4(t)]为f₁(t)中第q个径向基核函数的中心向量；c_1q,1(t)为f₁(t)中第q个径向基核函数的第一维中心，取值范围为[-1.5，1.5]；c_1q,2(t)为f₁(t)中第q个径向基核函数的第二维中心，取值范围为[-1.5，1.5]；c_1q,3(t)为f₁(t)中第q个径向基核函数的第三维中心，取值范围为[-1.5，1.5]；c_1q,4(t)为f₁(t)中第q个径向基核函数的第四维中心，取值范围为[-1.5，1.5]；c_2q(t)＝[c_2q,1(t)，c_2q,2(t)，c_2q,3(t)，c_2q,4(t)]为f₂(t)中第q个径向基核函数的中心向量；c_2q,1(t)为f₂(t)中第q个径向基核函数的第一维中心，取值范围为[-1.5，1.5]；c_2q,2(t)为f₂(t)中第q个径向基核函数的第二维中心，取值范围为[-1.5，1.5]；c_2q,3(t)为f₂(t)中第q个径向基核函数的第三维中心，取值范围为[-1.5，1.5]；c_2q,4(t)为f₂(t)中第q个径向基核函数的第四维中心，取值范围为[-1.5，1.5]；σ_1q(t)为f₁(t)中第q个径向基核函数的宽度，取值范围为[0，2.5]；σ_2q(t)为f₂(t)中第q个径向基核函数的宽度，取值范围为[0，2.5]；

(2)设计基于自适应评估多目标粒子群的优化控制方法

1)以城市污水处理过程可控变量硝态氮浓度S_NO和溶解氧浓度S_O作为多目标粒子群优化的位置变量，设置多目标粒子群优化的种群规模N，取值范围为[20，50]；设置外部档案中非支配解的最大数量H_max，取值范围为[20，50]；设置多目标粒子群优化的最大迭代次数K_max，取值范围为[50，100]；种群迭代次数为k，取值范围为[1，K_max]；

2)对种群进行初始化，随机生成具有N个粒子的种群，以公式(1)为优化目标对每个粒子进行求解，获得个体最优解：

p_n(1)＝x_n(1) (4)

其中，p_n(1)为第n个粒子在第一代获得的个体最优解；x_n(1)＝[x_n,1(1)，x_n,2(1)]为第n个粒子在第一代的位置向量，x_n,1(1)为第一次迭代过程中第n个粒子的第一维位置，取值范围为[0.2mg/L，2mg/L]，x_n,2(1)为第一次迭代过程中第n个粒子的第二维位置，取值范围为[0.4mg/L，3mg/L]；

外部档案的建立：外部档案通过粒子间的目标对比获得，当一个粒子的两个目标都小于等于其它粒子的对应目标，且至少有一个目标小于其它粒子的对应目标时，称该粒子为非支配解，对种群中粒子的目标进行对比，获得的非支配解存入外部档案；

计算第一次迭代过程中非支配解的全局多样性信息：

其中，G_D(1)为外部档案中非支配解在第一代的全局多样性信息；H(1)为第一代外部档案中非支配解的数量；d_h(1)为第一代外部档案中第h个非支配解与外部档案中其它粒子在目标空间的最小欧式距离；为外部档案中所有非支配解的d_h(1)的平均值；

3)种群进化过程：

①进入下次迭代，即，使迭代次数增加1，计算外部档案中非支配解的全局多样性信息：

其中，G_D(k)为外部档案中非支配解在第k代的全局多样性信息；H(k)为第k代外部档案中非支配解的数量；d_h(k)为第k代外部档案中第h个非支配解与外部档案中其它粒子在目标空间的最小欧式距离；为外部档案中所有非支配解的d_h(k)的平均值；当G_D(k)≤G_D(k-1)时，记多样性需求指标R_D(k)＝1；否则，记多样性需求指标R_D(k)＝0；

计算外部档案中非支配解的全局收敛性信息：

其中，G_C(k)为第k代全局收敛性信息；a_h(k)为外部档案A(k)中第h个非支配解的位置向量；为a_h(k)与之间的距离；为A(k-1)中被a_h(k)支配的粒子；当G_C(k)＝0时，收敛性需求指标R_C(k)＝1；否则，收敛性需求指标R_C(k)＝0；

判断R_D(k)和R_C(k)的关系，当R_D(k)≠R_C(k)时，

E(k)＝R_D(k)-R_C(k) (7)

其中，E(k)为第k代种群进化需求；

当R_D(k)＝R_C(k)，且k≤4时，

当R_D(k)＝R_C(k)，且k4时，

其中，τ为历史迭代次数；通过多样性需求指标R_D(k)和收敛性需求指标R_C(k)来获得种群进化需求，以指导种群进化；

②对外部档案中的非支配解进行评估，当种群进化需求E(k)0时，非支配解a_h(k)的评估值A_CE(a_h(k))取a_h(k)在目标空间中与外部档案其它粒子之间欧氏距离的最小值；当E(k)≤0时，非支配解a_h(k)的评估值A_CE(a_h(k))取a_h(k)在目标空间的转换距离，a_h(k)在目标空间的转换距离为外部档案中所有粒子的旋转位置与a_h(k)之间欧式距离之和；粒子与a_h(k)在目标空间中相比，最大的目标值作为粒子的旋转位置；

在外部档案中A_CE(a_h(k))最大的前10％的非支配解中随机选择一个解作为候选解c_g(k)，从而获得具有较高评估值的候选解；

③采用局部搜索策略获取全局最优解，首先生成一个随机向量r₁＝[r_1,1，r_1,2]；r_1,1为局部搜索过程中粒子第一维随机值，取值范围为[0，1]；r_1,2为局部搜索过程中粒子第二维随机值，取值范围为[0，1]；当r_1,10.7时

其中，g₁(k)为第k代全局最优解的第一个维度；c_g1(k)为第k代候选解的第一个维度；x₁^upper＝2mg/L为S_NO(t)上限；x₁^lower＝0.2mg/L为S_NO(t)下限；r_2,1为粒子第一维突变随机值，取值范围为[0，1]；当r_1,1≤0.7时，g₁(k)＝c_g1(k)；

当r_1,20.7时

其中，g₂(k)为第k代全局最优解的第二个维度；c_g2(k)为第k代候选解的第二个维度；x₂^upper＝3mg/L为S_O(t)上限；x₂^lower＝0.4mg/L为S_O(t)下限；r_2,2为粒子第二维突变随机值，取值范围为[0，1]；当r_1,2≤0.7时，g₂(k)＝c_g2(k)；最后，获得全局最优解g(k)＝[g₁(k)，g₂(k)]来引导种群进化；

④多目标粒子群优化的位置和速度更新方式为

v_n(k+1)＝0.5v_n(k)+2r₃(p_n(k)-x_n(k))+2r₄(g(k)-x_n(k)) (12)

x_n(k+1)＝x_n(k)+v_n(k+1) (13)

其中，v_n(k)为第n个粒子在第k代的速度向量；x_n(k)为第n个粒子在第k代的位置向量；p_n(k)为第n个粒子在第k代的个体最优解；r₃＝[r_3,1，r_3,2]为个体认知项随机向量；r_3,1为个体认知项第一维随机值，取值范围为[0，1]；r_3,2为个体认知项第二维随机值，取值范围为[0，1]；r₄＝[r_4,1，r_4,2]为社会认知项随机向量；r_4,1为社会认知项第一维随机值，取值范围为[0，1]；r_4,2为社会认知项第二维随机值，取值范围为[0，1]；通过粒子的位置和速度更新，实现种群进化；

⑤外部档案更新：

比较种群中粒子和外部档案中粒子的支配关系，选择种群和外部档案中非支配解更新外部档案A(k)，若A(k)中非支配解的数量大于H_max，则删除在目标空间中拥挤距离小的非支配解，使得外部档案中非支配解的数量小于或等于H_max；

⑥若k小于K_max，则转到步骤①，否则，转到步骤⑦；

⑦在外部档案中随机选择一个非支配解的位置向量作为优化设定值[S_NO^*(t)，S_O^*(t)]，其中，S_NO^*(t)为t时刻生化反应池第二分区硝态氮优化设定值，S_O^*(t)为t时刻生化反应池第五分区溶解氧优化设定值；

4)使用PID对优化设定值进行跟踪控制，PID的表达方式如下：

其中，Δu(t)＝[ΔQ_a(t)，ΔK_La5(t)]^T为t时刻操作变量向量；ΔQ_a(t)为t时刻污水处理内循环流量的变化量；ΔK_La5(t)为t时刻第五分区氧传递系数的变化量；K_p是比例系数矩阵；H_l是积分系数矩阵；H_d是微分系数矩阵；e(t)＝y^*(t)^T-y(t)^T为t时刻控制误差矩阵；y^*(t)＝[S_NO^*(t)，S_O^*(t)]是t时刻的优化设定值；y(t)＝[S_NO(t)，S_O(t)]是实际输出矩阵；PID控制器的输出是污水处理内循环流量的变化值ΔQ_a(t)和第五分区氧传递系数的变化量ΔK_La5(t)；

(3)城市污水处理过程自适应评估多目标优化控制系统的输入是内循环流量的变化值ΔQ_a(t)和第五分区氧传递系数的变化量ΔK_La5(t)，对城市污水处理过程S_NO和S_O的优化设定值进行跟踪控制。