[发明专利]一种基于RBF神经网络的出水总磷检测装置及检测方法

摘要

本发明涉及一种基于RBF神经网络的出水总磷检测装置及检测方法，包括与污水处理池通过CAN或者LIN现场总线通讯连接的控制系统，控制系统包括用户信息登记管理模块、数据实时采集模块、存储模块、数据处理模块、在线学习检测模块和工控机；数据处理模块根据出水总磷相关性变量结果值，利用软测量模型离线训练模块和仿真模块对其进行软测量模型调整和仿真模拟计算并校正，形成校正后的出水总磷软测量模型；工控机通过调用校正后的出水总磷软测量模型，对出水总磷进行在线检测，并通过曲线形式实时、动态地显示相关性变量与出水总磷的检测数值。其具有设计合理、操作简便、可视化强、性能可靠稳定、能够被广泛推广使用等优点。

主权项

1.一种基于RBF神经网络的出水总磷检测装置的检测方法，其特征在于，该检测装置包括与污水处理池通过CAN或者LIN现场总线通讯连接的控制系统，其中控制系统包括用户信息登记管理模块、数据实时采集模块、存储模块、数据处理模块、在线学习检测模块和工控机；工控机分别通过数据线与用户信息登记管理模块、数据实时采集模块、存储模块、数据处理模块、在线学习检测模块相连接；数据实时采集模块与污水处理池中预设的浓度测量传感器、温度测量传感器、测量仪表数据连接，并将检测的出水总磷相关性变量的实时结果值发送至工控机中；工控机将接收到的结果值进行读取并将其存储至存储模块中；数据处理模块包括软测量模型离线训练模块和仿真模块；数据处理模块根据所述的出水总磷相关性变量结果值，利用软测量模型离线训练模块和仿真模块对其进行软测量模型调整和仿真模拟计算并校正，形成校正后的出水总磷软测量模型；工控机通过调用校正后的出水总磷软测量模型，对出水总磷进行在线检测，并通过曲线形式实时、动态地显示相关性变量与出水总磷的检测数值；软测量模型能够在在线学习检测模块的运行过程中不断地对实时结果值进行学习，并对软测量模型自身的参数进行在线调整，使得软测量模型能够在线追踪出水总磷变化；所述的出水总磷相关性变量包括氧化还原电位ORP、溶解氧、pH、温度和总可溶性固溶物；所述的数据实时采集模块每隔5‑15min进行数据采集；所述用户信息登记管理模块包括用户信息存储模块，工控机通过Mysql数据库与用户信息存储模块相连接，用于对用户信息进行存储和管理；该检测方法具体包括以下步骤：1)用户通过用户信息登记管理模块输入用户个人登录信息，并利用Mysql数据库对用户的信息进行保存；2)使用PLS算法，通过特征分析获取出水总磷的相关性变量，并利用RBF神经网络建立出水总磷的软测量模型；其中，工控机通过数据处理模块将数据实时采集模块检测到的结果值利用软测量模型离线训练模块和仿真模块对其进行软测量模型调整和仿真模拟计算并校正，形成校正后的出水总磷软测量模型；3)工控机通过调用校正后的出水总磷软测量模型，对出水总磷进行在线检测，并通过曲线形式实时、动态地显示相关性变量与出水总磷的检测数值；软测量模型能够在在线学习检测模块的运行过程中不断地对实时结果值进行学习，并对软测量模型自身的参数进行在线调整，使得软测量模型能够在线追踪出水总磷变化；在上述步骤2)中，PLS算法和出水总磷的软测量模型包括如下内容：①自变量集合为X＝[x1,...,xα]，因变量记作y，并将数据做标准化处理，从X，y标准化后的矩阵中分别提取主成分t及u，满足在尽可能大地携带各自数据矩阵中信息的同时，其相关程度最大，有：其中，T(U)，P(Q)，E(F)分别为自变量集合X(y)的得分矩阵、负荷矩阵与残差矩阵，i＝1,2,…,α，α为可供筛选的辅助变量个数，ti,pi,ui与qi分别为T,P,U与Q矩阵中的向量；②主成分ti与ui的相关性可表示为：ui＝biti,     (3)其中，bi为两个主成分之间的相关系数，相关系数矩阵记作b＝[b1,b2,…,bα]T；③PLS算法的中止条件记为：其中，bselect为已选取主元个数的相关系数，Rselect为设定的已选取主元的有效性，该有效性通过留一法进行确定，其中选定的数值在0.83‑1.21之间，且选取的数值越大，PLS算法最终确定的主元个数越多；④选取出水总磷相关变量后，利用RBF神经网络对出水总磷搭建软测量模型，RBF网络的输出为：其中，wk为第k个隐含层神经元与输出的连接权值，k＝1,2,…,K，K是隐含层神经元数，φk是RBF神经网络第k个隐含层神经元，φk定义如下：x(t)＝[x1,x2,…,xm]T是网络输入,x∈Rn×1,μk表示第k个隐含层神经元中心向量,||x‑μk||为x和μk间的欧氏距离，σk是第k个隐含层神经元宽度。