基于神经网络的城市污水处理过程多设备非对称约束控制方法
申请人信息
- 申请人:北京工业大学
- 申请人地址:100124 北京市朝阳区平乐园100号
- 发明人: 北京工业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于神经网络的城市污水处理过程多设备非对称约束控制方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311584635.6 |
| 申请日 | 2023/11/27 |
| 公告号 | CN117784598A |
| 公开日 | 2024/3/29 |
| IPC主分类号 | G05B13/04 |
| 权利人 | 北京工业大学 |
| 发明人 | 乔俊飞; 陈鼎元; 杨翠丽 |
| 地址 | 北京市朝阳区平乐园100号 |
摘要文本
基于神经网络的城市污水处理过程多设备非对称约束控制方法涉及人工智能领域。本文针对在污水处理厂容易出现执行器饱和的情况下，实现多设备的瞬态和稳态控制性能。由于污水处理厂处理过程长，干扰频繁，采用自组织模糊神经网络对动态非线性进行精确估计。由于峰值功率的限制，建立了蠕动泵和饱和气泵的统一模型，更适合污水处理厂的运行要求。由于水质波动严重，引入了非对称屏障李雅普诺夫函数，将曝气泵和回流泵的调控指标约束在预期的非对称边界内。
专利主权项内容
1.基于神经网络的城市污水处理过程多设备非对称约束控制方法，其特征在于：针对污水处理中存在的动态不确定项，定义未知函数和/>并利用模糊神经网络的逼近特性对未知函数进行辨识；辨识器的输出结果L(t)如下：其中x(t)是输入层第i个神经元输入向量，c(t)为第j个激活函数中心，σ(t)为第j个激活函数宽度，是每次迭代时的实际规则层第l个神经元输出值，/>为第l个神经元权值向量，p为当前规则层神经元的总个数；iijij设计辨识器结构调整机制，具体步骤为：在污水处理过程中，由于现有的均方误差准则难以解决扰动引起的非平稳性和非线性问题，采用最大相关熵准则来提高污水处理长过程的在线辨识能力：其中y(t)是实际溶解氧或硝态氮的实际浓度，由传感器在污水处理过程中测量可得，y(t)是期望的溶解氧或硝态氮的浓度，按照国际水质协会章程设定，σ为核宽度；dr1)初始时刻：根据初始数据和参数建立网络模型的结构；2)增长阶段：根据相关熵设计了模糊神经网络中的规则增长准则，θ(t)＜J&θ(t)＞J (3)12其中J和J分别表示相关熵上限和下限的预设规则增长阈值；如果满足上述条件，则新增的神经元参数c＝x(t)，σ＝μ||x(t)||，c是新增神经元的中心，σ是新增神经元的宽度，w是新增神经元的权值，||·||是范数，μ＞0代表重叠系数，一般在区间[0.5 1]之间任意取值，以0.02为步长，以辨识结果为评价标准，选择对应辨识误差最小的重叠系数值作为辨识器参数；并且规则的数目被更新为p＝p+1；12p+1ip+10ip+1p+1p+103)修剪阶段 : 当满足条件其中J为预先设定的相关熵阈值，J为规则层激活强度阈值，则c＝0，σ＝0，w＝0，其中c是被删减神经元的中心，σ是被删减神经元的宽度，w是被删减神经元的权值，且规则总个数更新为p＝p-1；34pppppp4)停止更新 : 设置网络结构停止条件θ(t)＞J (5)5其中J是常数；如果网络性能满足上述要求，则结构将停止调整；此时可得规则层神经元总个数r＝p；5J, J, J, J, J将根据曝气泵和回流泵的辨识器定义具体参数值J, J, J, J, J和J, J, J, J, J1234511121314152122232425。