本發(fā)明專利技術(shù)公開了一種基于動態(tài)徑向基神經(jīng)網(wǎng)絡(luò)的溶解氧的控制方法，采用以下步驟：確定控制對象；設(shè)計(jì)用于污水處理過程中溶解氧ＤＯ控制器的動態(tài)ＲＢＦ神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；對樣本數(shù)據(jù)進(jìn)行校正；用校正后的部分?jǐn)?shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練好的ＲＢＦ神經(jīng)網(wǎng)絡(luò)對溶解氧（ＤＯ）進(jìn)行控制，期望ＤＯ濃度與實(shí)際輸出ＤＯ濃度的誤差及誤差變化率作為ＲＢＦ神經(jīng)網(wǎng)絡(luò)的輸入，ＲＢＦ神經(jīng)網(wǎng)絡(luò)的輸出即為變頻器的輸入，變頻器通過調(diào)節(jié)電動機(jī)的轉(zhuǎn)速達(dá)到控制鼓風(fēng)機(jī)的目的，最終控制曝氣量，整個(gè)控制系統(tǒng)的輸出為實(shí)際ＤＯ濃度值，提高控制器的控制效果，能夠快速、準(zhǔn)確地使溶解氧達(dá)到期望要求；解決了當(dāng)前基于開關(guān)控制和ＰＩＤ控制自適應(yīng)能力較差的問題。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)利用基于動態(tài)徑向基(RBF)神經(jīng)網(wǎng)絡(luò)的控制器實(shí)現(xiàn)污水處理過程中溶解氧(DO)的 控制方法，污水處理過程中溶解氧(DO)的控制作為污水處理的重要環(huán)節(jié)，是先進(jìn)制造技術(shù)領(lǐng) 域的重要分支，既屬于水處理領(lǐng)域，又屬于控制領(lǐng)域。
技術(shù)介紹
隨著國民經(jīng)濟(jì)的增長和公眾環(huán)保意識的增強(qiáng)，污水處理自動化技術(shù)迎來了前所未有的發(fā) 展機(jī)遇。國家中長期科技發(fā)展規(guī)劃中提出要研究并推廣高效、低能耗的污水處理新技術(shù)。因 此，本專利技術(shù)的研究成果具有廣闊的應(yīng)用前景。溶解氧(DO)濃度是目前污水處理中應(yīng)用最為廣泛的運(yùn)轉(zhuǎn)控制參數(shù)，當(dāng)溶解氧不足或過量 時(shí)都會導(dǎo)致污泥生存環(huán)境惡化當(dāng)氧氣不足時(shí)， 一方面由于好氧池中絲狀菌會大量繁殖，最 終產(chǎn)生污泥膨脹，發(fā)生異常工況；另一方面由于好氧菌的生長速率降低從而引起出水水質(zhì)的 下降。而氧氣過量(即過量曝氣)則會引起懸浮固體沉降性能變差，影響污水處理系統(tǒng)的正常 運(yùn)行。溶解氧的控制涉及到微生物的生長環(huán)境以及處理過程的能耗，因此，溶解氧控制一直 是研究的重點(diǎn)。傳統(tǒng)的開關(guān)控制或者PID控制，雖然是當(dāng)前應(yīng)用較為廣泛的控制方法，但是由于氧氣的 溶解過程受入水水質(zhì)、溫度和pH值等方面的影響，具有高度非線性、強(qiáng)耦合性、時(shí)變、大 滯后和不確定性等特點(diǎn)。采用傳統(tǒng)的開關(guān)控制或者PID控制方法自適應(yīng)能力較差，往往不能 取得理想的控制效果。近年來，國內(nèi)外也有基于模糊和神經(jīng)網(wǎng)絡(luò)的智能控制方法研究，很好 地解決了傳統(tǒng)的開關(guān)控制或者PID控制方法自適應(yīng)能力較差的問題。伹是仍有一些不足，以 上模糊控制和神經(jīng)網(wǎng)絡(luò)控制在應(yīng)用前必須確定其本身規(guī)則數(shù)或神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在應(yīng)用過程中 只能修改其參數(shù)，不能修改其結(jié)構(gòu)；規(guī)模過大的模糊規(guī)則或神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有較好的學(xué)習(xí)精 度，但是往往需要較大的存儲空間和計(jì)算時(shí)間；而規(guī)模過小的模糊規(guī)則或神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)雖具 有較簡單的網(wǎng)絡(luò)結(jié)構(gòu)，但信息處理能力又有限。優(yōu)良的控制可以節(jié)省污水處理運(yùn)行費(fèi)用，同時(shí)也是減少和應(yīng)對異常工況發(fā)生、保障污水處理過程正常運(yùn)行的關(guān)鍵。此外，通過提高污水 處理過程自動化水平，還可以有效地減少運(yùn)行管理和操作人員，降低運(yùn)行費(fèi)用。本專利技術(shù)設(shè)計(jì)了一種基于動態(tài)徑向基(RBF)神經(jīng)網(wǎng)絡(luò)的溶解氧控制器，通過構(gòu)建動態(tài)徑向基 (RBF)神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)對污水處理過程中溶解氧(DO)的在線控制。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于通過提供一種，構(gòu)建動 態(tài)徑向基(RBF)神經(jīng)網(wǎng)絡(luò)模型，分析污水處理過程，實(shí)時(shí)改變神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提高控制器的控 制能力；解決控制器根據(jù)環(huán)境自動調(diào)整的問題，通過控制污水處理過程中的曝氣量達(dá)到控制 DO濃度的效果；提高污水處理過程中DO控制的精度，保障污水處理過程正常運(yùn)行；本專利技術(shù)采用了如下的技術(shù)方案及實(shí)現(xiàn)步驟一種，包括以下步驟(1) 確定控制對象；本專利技術(shù)主要針對序批式間歇活性污泥系統(tǒng)中溶解氧進(jìn)行控制，以曝 氣量為控制量，溶解氧濃度為被控量；(2) 設(shè)計(jì)用于污水處理過程中溶解氧DO控制器的動態(tài)RBF神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；網(wǎng)絡(luò)分 為三層輸入層、隱含層、輸出層；輸入為溶解氧DO濃度的期望值與實(shí)際值的誤差和誤差 變化率，輸出為污水處理系統(tǒng)中變頻器的輸入量；初始化RBF神經(jīng)網(wǎng)絡(luò)確定神經(jīng)網(wǎng)絡(luò)^ —"一i的連接方式，即輸入層神經(jīng)元為p個(gè)，隱 含層神經(jīng)元為"個(gè)，輸出層神經(jīng)元為l個(gè)；對神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行隨機(jī)賦值；RBF神經(jīng)網(wǎng)絡(luò) 的輸入表示為^'^'A'"^，神經(jīng)網(wǎng)絡(luò)的期望輸出表示為y^實(shí)際輸出表示為y;設(shè)第&時(shí)刻RBF神經(jīng)網(wǎng)絡(luò)輸入為^("'^("A RBF神經(jīng)網(wǎng)絡(luò)各層的計(jì)算功能是輸入層，該層由p個(gè)神經(jīng)元組成<formula>formula see original document page 7</formula>分別表示輸入層的輸入和輸出；隱含層，該層由w個(gè)神經(jīng)元組成-<formula>formula see original document page 7</formula>("表示隱含層的輸入和輸出<formula>formula see original document page 7</formula>表示第A時(shí)刻的輸入值，。表示隱含層第y個(gè)神經(jīng)元，X("-。.表示。與X("之間的歐式距離， P—)為高斯函數(shù)，其形式為<formula>formula see original document page 8</formula>。表示隱含層第j個(gè)神經(jīng)元中心值，《表示隱含層第y個(gè)神經(jīng)元的中心寬度。輸出層，該層只有l(wèi)個(gè)神經(jīng)元<formula>formula see original document page 8</formula>(9^(3)(^:)表示輸出層的輸出，w)("表示第y個(gè)隱含層神經(jīng)元與輸出層神經(jīng)元之間的聯(lián) 結(jié)權(quán)值，KQ為RBF神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出； 定義誤差函數(shù)為<formula>formula see original document page 8</formula>r為0(W-h(")的轉(zhuǎn)置，附為訓(xùn)練樣本總數(shù)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)的目的是使得式(5)定義 的誤差函數(shù)達(dá)到期望值^;(3)對樣本數(shù)據(jù)進(jìn)行校正； _ _設(shè)f個(gè)數(shù)據(jù)樣本JC(l),;c(2)，A，x(0，均值為^，每一個(gè)樣本的偏差為D^)-x^)-；， 《=1，2，A ，f ，按照Bessel公式計(jì)算出標(biāo)準(zhǔn)偏差CT = js 、 ， ~~^~ (7) y=i f — 1若某一個(gè)樣本X(^)的偏差滿足|D (《)I 2 3 o"， "1,2，A ,n (8)則認(rèn)為樣本x(《)是異常數(shù)據(jù)，應(yīng)予以剔除，得到校正后的數(shù)據(jù)，該數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本；(4)用校正后的部分?jǐn)?shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，在訓(xùn)練過程中利用模型輸出敏感度分析對神經(jīng) 網(wǎng)絡(luò)的冗余隱神經(jīng)元進(jìn)行修剪，利用最臨近插值法對隱含層神經(jīng)元進(jìn)行增加；以簡化神經(jīng)網(wǎng) 絡(luò)結(jié)構(gòu)，提高神經(jīng)網(wǎng)絡(luò)的性能。動態(tài)RBF神經(jīng)網(wǎng)絡(luò)調(diào)整具體步驟為①訓(xùn)練給定初始神經(jīng)網(wǎng)絡(luò)達(dá)到預(yù)先設(shè)定訓(xùn)練步驟m;記下訓(xùn)練過程中每個(gè)隱含層神經(jīng)元 的輸出權(quán)值wf，M^,A ，W，找出最大值和最小值；通過計(jì)算參數(shù)wf，M《，A ,M^對于網(wǎng)絡(luò)輸出_y的靈敏度； 第_/(7 = 1，2，八，")個(gè)隱神經(jīng)元輸出在訓(xùn)練附步中的最大值是~，最小值是^.，則假定 < 以指定頻率C7y在內(nèi)振蕩，艮口 《)=0) + ~ /2) + (~ - ^ /2) sin(cj/力) (9) 其中，5(7)=2;2"/附，c^指定頻率，m是總訓(xùn)練步驟。結(jié)合式(5)，神經(jīng)網(wǎng)絡(luò)的輸出少表 示為-少O) = c^(3)o) = i ox^)2)o) ， c/ = i，2，a ,") (io)③計(jì)算各個(gè)神經(jīng)元的靈敏度如果要計(jì)算第yC/二l,2，A ，w)個(gè)隱神經(jīng)元的靈敏度，則該神經(jīng)元對應(yīng)的傅立葉系數(shù)為1 T 1 Tj乂 =一 J"/X s)cos(Q7)"<is ， =—J"/(^)sin(ezr乂"(is (11)其中，s的取值范圍是;由RBF神經(jīng)網(wǎng)絡(luò)的各隱含層神經(jīng)元的輸出之間沒有相互作用，傅立葉振幅值主要集中在基頻上，采用下式計(jì)算第X乂-1,2,A ，w)個(gè)隱神經(jīng)元的靈敏度； (w-i)<2 本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種基于動態(tài)徑向基神經(jīng)網(wǎng)絡(luò)的溶解氧的控制方法，其特征在于，包括以下步驟： （１）確定控制對象；針對序批式間歇活性污泥系統(tǒng)中溶解氧進(jìn)行控制，以曝氣量為控制量，溶解氧濃度為被控量； （２）設(shè)計(jì)用于污水處理過程中溶解氧ＤＯ控制器的動態(tài)ＲＢＦ神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；網(wǎng)絡(luò)分為三層：輸入層、隱含層、輸出層； 初始化ＲＢＦ神經(jīng)網(wǎng)絡(luò)：確定神經(jīng)網(wǎng)絡(luò)ｐ－ｎ－１的連接方式，即輸入層神經(jīng)元為ｐ個(gè)，隱含層神經(jīng)元為ｎ個(gè)，輸出層神經(jīng)元為１個(gè)；對神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行隨機(jī)賦值；ＲＢＦ神經(jīng)網(wǎng)絡(luò)的輸入表示為ｘ↓［１］，ｘ↓［２］，Λ，ｘ↓［ｐ］，神經(jīng)網(wǎng)絡(luò)的期望輸出表示為ｙ↓［ｄ］，實(shí)際輸出表示為ｙ；設(shè)第ｋ時(shí)刻ＲＢＦ神經(jīng)網(wǎng)絡(luò)輸入為ｘ↓［１］（ｋ），ｘ↓［２］（ｋ），Λ，ｘ↓［ｐ］（ｋ），ＲＢＦ神經(jīng)網(wǎng)絡(luò)各層的計(jì)算功能是： 輸入層，該層由ｐ個(gè)神經(jīng)元組成： Ｉｎ↓［ｉ］↑［（１）］（ｋ）＝ｘ↓［ｉ］（ｋ），Ｏｕｔ↓［ｉ］↑［（１）］（ｋ）＝Ｉｎ↓［ｉ］↑［（１）］（ｋ），（ｉ＝１，２，Λ，ｐ）；（２） Ｉｎ↓［ｉ］↑［（１）］（ｋ），Ｏｕｔ↓［ｉ］↑［（１）］（ｋ）分別表示輸入層的輸入和輸出； 隱含層，該層由ｎ個(gè)神經(jīng)元組成： Ｉｎ↓［ｊ］↑［（２）］（ｋ）＝‖ｘ（ｋ）－ｃ↓［ｊ］‖，Ｏｕｔ↓［ｊ］↑［（２）］（ｋ）＝φ↓［ｊ］（Ｉｎ↓［ｊ］↑［（２）］（ｋ）），（ｉ＝１，２，Λ，ｐ.ｊ＝１，２，Λ，ｎ）； （３） Ｉｎ↓［ｊ］↑［（２）］（ｋ），Ｏｕｔ↓［ｊ］↑［（２）］（ｋ）表示隱含層的輸入和輸出，ｘ（ｋ）＝［ｘ↓［１］（ｋ），ｘ↓［２］（ｋ），Λ，ｘ↓［ｐ］（ｋ）］↑［Ｔ］表示第ｋ時(shí)刻的輸入值，ｃ↓［ｊ］表示隱含層第ｊ個(gè)神經(jīng)元，‖ｘ（ｋ）－ｃ↓［ｊ］‖表示ｃ↓［ｊ］與ｘ（ｋ）之間的歐式距離，φ（.）為高斯函數(shù)，其形式為： φ（‖ｘ（ｋ）－ｃ↓［ｊ］‖）＝ｅ↑［（－‖ｘ（ｋ）－ｃ↓［ｊ］‖↑［２］／δ↓［ｊ］↑［２］）］ （４） ｃ↓［ｊ］表示隱含層第ｊ個(gè)神經(jīng)元中心值，δ↓［ｊ］表示隱含層第ｊ個(gè)神經(jīng)元的中心寬度。輸出層，該層只有１個(gè)神經(jīng)元： ｙ（ｋ）＝Ｏｕｔ↑［（３）］（ｋ）＝＊ｗ↓［ｊ］↑［３］（ｋ）Ｏｕｔ↓［ｊ］↑［（２）］（ｋ），（ｊ＝１，２，Λ，ｎ） （５） Ｏｕｔ↑［（３）］（ｋ）表示輸出層的輸出，ｗ↓［ｊ］↑［３］（ｋ）表示第ｊ個(gè)隱含層神經(jīng)元與輸出層神經(jīng)元之間的聯(lián)結(jié)權(quán)值，ｙ（ｋ）為神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出； 定義誤差函數(shù)為 Ｅ＝１／ｍ＊（ｙ（ｋ）－ｙ↓［ｄ］...
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：喬俊飛，韓紅桂，郭迎春，
申請(專利權(quán))人：北京工業(yè)大學(xué)，
類型：發(fā)明
國別省市：11[中國|北京]
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。