[发明专利]一种基于区间二型模糊神经网络的污水处理溶解氧浓度跟踪控制方法

摘要

本发明提出了一种基于区间二型模糊神经网络的溶解氧DO浓度跟踪控制方法，实现污水处理过程中溶解氧DO浓度跟踪控制。针对污水处理过程精确的数学模型难以建立，系统运行的环境存在过多不确定性和干扰，污水处理过程具有明显的非线性和滞后性，溶解氧浓度难以控制的特点，该控制方法通过建立区间二型模糊神经网络控制器，搭建区间二型模糊神经网络控制器和控制模型的回路，利用区间二型模糊神经网络控制方法对溶解氧DO浓度进行控制，能够快速、准确的控制溶解氧DO浓度，与传统的PID控制方法相比，提高了污水处理的效率，降低了能耗，同时在控制精度上具有优势，获得了令人满意的控制性能。

主权项

1.一种基于区间二型模糊神经网络的溶解氧DO设定值跟踪控制方法，针对序批式间歇活性污泥系统中溶解氧DO进行控制，其中，曝气量为控制量，溶解氧DO浓度为被控量；其特征在于，包括以下步骤：(1)设计用于溶解氧DO设定值跟踪控制的区间二型模糊神经网络，区间二型模糊神经网络分为四层：输入层、隶属函数层、激活层、输出层；具体为：①输入层：该层由2个神经元组成：X(t)＝[x₁(t),x₂(t)]^T                           (1)其中，X(t)表示区间二型模糊神经网络的输入，x₁(t)为t时刻溶解氧DO浓度设定值与实际值的误差，x₂(t)为t时刻溶解氧DO浓度设定值与实际值误差的变化率，T为矩阵的转置；②隶属函数层：该层有R个神经元，每个神经元代表一个区间二型隶属函数，表示如下：其中，为t时刻第i个输入时第j个隶属函数层神经元输出值的下界，为t时刻第i个输入时第j个隶属函数层神经元输出值的上界，c_ij(t)为t时刻第i个输入时第j个隶属函数层神经元中心值的下界，为t时刻第i个输入时第j个隶属函数层神经元中心值的上界，σ_ij(t)为t时刻第i个输入时第j个隶属函数层神经元的宽度值；i表示区间二型模糊神经网络的输入个数，i＝1，2；j＝1，2，…，R；③激活层：该层有R个神经元，每个神经元的激活强度为：其中，F_j(t)为t时刻激活层第j个神经元的激活强度，f_j(t)为t时刻激活层第j个神经元激活强度的下界，为t时刻激活层第j个神经元激活强度的上界，④输出层：该层有1个神经元，其输出为：其中，u(t)为t时刻控制器的曝气量，Δu(t)为t时刻区间二型模糊神经网络的输出，表示控制器的曝气增量，Δu(t)为t时刻区间二型模糊神经网络输出的下界，为t时刻区间二型模糊神经网络输出的上界，q(t)为t时刻区间二型模糊神经网络输出下界的比例值，q(t)∈(0,1]；z_j(t)为t时刻第j个神经元与输出神经元间的权值，a_ij(t)为t时刻权值系数，b_j(t)为t时刻权值偏置；(2)训练区间二型模糊神经网络，具体如下：①利用训练样本和梯度下降算法训练区间二型模糊神经网络；定义目标函数为：其中，e(t)为t时刻溶解氧DO浓度设定值与实际值的误差，y(t)为溶解氧DO浓度的实际值，y_d(t)为溶解氧DO浓度的设定值；②对区间二型模糊神经网络的参数进行更新：其中，c_ij(t+1)为t+1时刻第i个输入时第j个隶属函数层神经元的中心值的下界，为t+1时刻第i个输入时第j个隶属函数层神经元的中心值的上界；σ_ij(t+1)为t+1时刻第i个输入时第j个隶属函数层神经元的宽度值，q(t+1)为t+1时刻区间二型模糊神经网络输出下界的比例值，a_ij(t+1)为t+1时刻的权值系数，b_j(t+1)为t+1时刻的权值偏置；η为参数的学习率，η∈(0,1]；(3)设计用于污水处理过程中溶解氧DO设定值跟踪控制方法，具体为：①根据公式(4)计算区间二型模糊神经网络的输出；②判断当前时刻溶解氧DO设定值跟踪控制的目标函数的大小，如果e(t)>0.01，转到步骤③；如果e(t)≤0.01，转到步骤⑤；③根据公式(6)求解各个参数的更新值；④计算当前时刻的控制量u(t)u(t)＝Δu_m(t)+u(t‑1)                          (7)其中，u(t)为t时刻控制器的曝气量，Δu_m(t)为t时刻参数更新后新的曝气增量，u(t‑1)为t‑1时刻控制器的曝气量；转到步骤⑥；⑤计算t时刻控制器的曝气u(t)u(t)＝Δu(t)+u(t‑1)                          (8)⑥u(t)为t时刻控制器的曝气；(4)利用求解出的u(t)对溶解氧DO进行控制，u(t)为t时刻控制器的曝气，控制系统的输出为实际溶解氧DO的浓度值。