[发明专利]一种污水处理过程自组织控制方法

摘要

针对污水处理过程高度非线性、强耦合性、时变、大滞后和不确定性严重等特点，本发明提出一种基于神经网络的污水处理过程自组织控制方法，实现对污水处理过程中溶解氧(DO)浓度的控制；该控制方法通过建立神经网络直接控制系统，利用神经网络自组织设计实现控制器的结构调整，从而提高控制效果，实现溶解氧浓度的自组织控制；解决了当前基于开关控制和PID控制自适应能力较差，并且控制器结构难以自组织的问题；实验结果表明该方法能够快速、准确地控制溶解氧浓度，并具有较强的自适应能力，提高污水处理的质量和效率、降低污水处理成本，促进污水处理厂高效稳定运行。

主权项

一种污水处理过程自组织控制方法，其特征包括以下步骤：(1)确定控制对象；针对序批式间歇活性污泥系统中溶解氧进行控制，以曝气量为控制量，溶解氧浓度DO为被控量；(2)设计用于污水处理过程中溶解氧的控制系统，控制系统分为三部分：线性控制部分、鲁棒控制部分、神经网络控制部分；具体为：①设定线性控制部分，线性控制器的输入为： e _ ( t ) = y d ( t ) - y ( t ) ; - - - ( 1 ) 其中yd是溶解氧浓度的期望输出，y是溶解氧浓度的实际输出；线性控制器的输出为： u dc ( t ) = h e _ ( t ) ; - - - ( 2 ) 其中udc是线性控制器的输出，h是比例系数，h∈[5,25]；②设定鲁棒控制部分，鲁棒控制器的输入与线性控制器的输入相同；鲁棒控制器的输出为： u sl ( t ) = γ 2 | h - 1 e _ ( t ) | sgn ( h - 1 e _ ( t ) ) ; - - - ( 3 ) 其中γ2是鲁棒控制器设计系数，γ2∈(0,0.5]，usl是鲁棒控制器的输出，sgn()是符号函数；③设定神经网络控制部分，神经网络控制器的输入为x(t)=[yd(t)，udc(t)+usl(t)]T，T为公式的转置；神经网络控制器的输出为uad；(3)设计用于污水处理过程中溶解氧自组织控制方法的RBF神经网络拓扑结构；网络分为三层：输入层、隐含层、输出层；输入为x(t)，输出为uad；初始化RBF神经网络：确定神经网络2‑K‑1的连接方式，即输入层神经元为2个，隐含层神经元为K个，输出层神经元为1个；对神经网络的权值进行随机赋值；设第t时刻RBF神经网络输入为x(t)，神经网络的输出表示为uad(t)，RBF神经网络的计算功能是： u ad ( t ) = Σ k = 1 k w k ( t ) θ k ( x ( t ) ) ; - - - ( 4 ) wk(t)表示隐含层神经元和输出层的连接权值，k=1，2，…，K；θk是隐含层第k个神经元的输出，其计算公式为： θ k ( x ( t ) ) = e ( - | | x ( t ) - μ k ( t ) | | / σ k 2 ( t ) ) ; - - - ( 5 ) μk表示隐含层第k个神经元中心值，σk表示隐含层第k个神经元的中心 宽度；(4)自组织控制方法设计，具体为：①给定一个RBF神经网络，隐含层神经元为较小自然数，K为小于10的正整数，输入为x(t)；②计算隐含层神经元k的活跃度Afk， Af k = 20 × e - | | x ( t ) - μ k | | θ k ( x ( t ) ) Σ k = 1 K θ k ( x ( t ) ) ; - - - ( 6 ) 其中，k=1,2,…,K，Afk是隐含层第k个神经元的活跃度，K是隐含层神经元数，θk是隐含层第k个神经元的输出；如活跃度Afk小于活跃度阀值Afo∈[0.01,0.2]，网络结构不需要调整；如活跃度Afk大于活跃度阀值Afo∈[0.01,0.2]，分裂神经元k，调整网络结构，并且更新隐含层神经元数K’=K+1；③计算隐含层神经元X与输出层神经元Y间的连接强度，假设X和Y是相互连接的神经元，交互信息的强度M(X;Y)依赖于神经元X和Y间的平均信息量，神经元X和Y间的连接强度定义为：M(X;Y)=H(X)‑H(X|Y)=H(X)‑H(Y|X)；                      (7)其中，H(X)为X的香农熵，H(Y|X)为Y在X条件下的熵；由公式(7)可知，当神经元X和Y相互独立时，M(X;Y)的值为0；否则，M(X;Y)为正数；所以，M(X;Y)≥0，并且M(X;Y)≤min(H(X),H(Y))；                      (8)规则化交互信息的强度 m ( X ; Y ) = M ( X ; Y ) min ( H ( X ) , H ( Y ) ) ; - - - ( 9 ) 其中0≤m(X;Y)≤1，通过公式(9)可以计算隐含层神经元X与输出层神经元Y间的连接强度；设定连接强度阀值m0∈[0,0.1]，在RBF神经网络中，当m(X;Y)大于连接强度阀值m0时则说明神经元X和Y间的信息交互较强，认为X和Y间有连接，网络结构不需要调整；当m(X;Y)小于连接强度阀值m0时则表明神经元X和Y间的信息交互强度较弱，在网络结构调整时可忽略神经元X和Y间的连接，从而断开神经元X和Y间的连接，并且更新隐含层神经元数K’’=K’‑1；④调整神经网络的隐含层神经元与输出层之间的连接权值W(t)： W • ( t ) = γ 1 e _ ( t ) θ ( x ( t ) ) ; - - - ( 10 ) 其中，θ(x(t))=[θ1(x(t)),θ2(x(t)),...,θK''(x(t))]T；W=[w1,w2,...,wK'']T；                      (11)γ1∈(0,0.1]表示神经网络学习率；⑤根据公式(4)，uad(t)为神经网络t时刻的实际输出；(5)用自组织控制方法实现污水处理过程中溶解氧的控制，控制系统的总输出为： u = 1 υ ( u dc - u ad + u sl ) ; - - - ( 15 ) 其中υ是系统设计系数，υ[5∈,15]；控制系统的总输出u即为变频器的输入，变频器通过调节电动机的转速达到控制鼓风机的目的，最终控制曝气量，整个控制系统的输出为实际DO浓度值。