一種基于神經(jīng)網(wǎng)絡(luò)的污水處理過程控制方法
【專利摘要】本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)的污水處理過程控制方法，屬于水處理和智能信息控制領(lǐng)域。本方法主要包括兩個(gè)部分：PID控制部分與神經(jīng)網(wǎng)絡(luò)自適應(yīng)調(diào)整參數(shù)部分。該方法能夠根據(jù)環(huán)境狀態(tài)實(shí)時(shí)對(duì)PID參數(shù)進(jìn)行修正，實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定控制。其一，利用神經(jīng)網(wǎng)絡(luò)對(duì)PID控制器參數(shù)進(jìn)行實(shí)時(shí)的修正，使控制器能夠根據(jù)實(shí)際環(huán)境的變化自適應(yīng)的進(jìn)行調(diào)整；其二，利用智能PID控制器對(duì)污水處理過程進(jìn)行穩(wěn)定控制，使出水水質(zhì)滿足排放標(biāo)準(zhǔn)。以上兩部分構(gòu)成的基于神經(jīng)網(wǎng)絡(luò)的污水處理PID智能控制系統(tǒng)，屬于本發(fā)明的保護(hù)范圍。本發(fā)明克服了PID控制自適應(yīng)差、自學(xué)習(xí)能力差的缺點(diǎn)。
【專利說明】
一種基于神經(jīng)網(wǎng)絡(luò)的污水處理過程控制方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明針對(duì)污水處理過程難以控制的問題，在BSMl中利用神經(jīng)網(wǎng)絡(luò)與PID控制方 法相結(jié)合，對(duì)污水處理過程中溶解氧濃度進(jìn)行控制。神經(jīng)網(wǎng)絡(luò)是智能信息處理技術(shù)的主要 分支之一，基于神經(jīng)網(wǎng)絡(luò)的污水處理PID控制技術(shù)不但屬于水處理領(lǐng)域，還屬于智能信息控 制領(lǐng)域。
【背景技術(shù)】
[0002] 隨著當(dāng)今社會(huì)城市化和工業(yè)化不斷的快速發(fā)展，我國(guó)水環(huán)境已受到嚴(yán)重破壞。污 水排放不僅嚴(yán)重影響居民的日常生活，而且破壞了大自然的生態(tài)平衡。為了降低污水的排 放量，實(shí)現(xiàn)水的循環(huán)利用，全國(guó)各地紛紛建立了污水處理廠，然而目前污水處理廠采用的控 制方法較為落后，從而造成污水處理廠運(yùn)行成本居高不下，研究污水處理過程控制方法對(duì) 污水處理廠運(yùn)營(yíng)意義重大，是未來提高污水處理效果必然的發(fā)展趨勢(shì)。因此，本發(fā)明的研究 成果具有廣闊的應(yīng)用前景。
[0003] 在污水處理過程中，主要的控制變量是第五分區(qū)的溶解氧濃度，溶解氧濃度的高 低影響硝化過程和反硝化過程的進(jìn)行，硝化和反硝化過程的進(jìn)行對(duì)污水排放能否達(dá)標(biāo)有著 至關(guān)重要的影響。因此，對(duì)溶解氧的濃度的穩(wěn)定控制對(duì)于出水水質(zhì)的達(dá)標(biāo)，以及污水處理廠 的穩(wěn)定運(yùn)行是非常有必要的。
[0004] PID控制作為一種結(jié)構(gòu)簡(jiǎn)單，易于實(shí)現(xiàn)的控制方法，雖然被廣泛的應(yīng)用到了各工業(yè) 領(lǐng)域中，但是由于污水處理過程是一個(gè)具有高度非線性、大滯后、大時(shí)變、多變量耦合等特 點(diǎn)的復(fù)雜系統(tǒng)，將傳統(tǒng)的PID控制方法應(yīng)用到此類復(fù)雜系統(tǒng)中，易出現(xiàn)魯棒性差，控制精度 低以及參數(shù)無法在線實(shí)時(shí)調(diào)整的問題，從而導(dǎo)致控制效果不理想。
[0005] 神經(jīng)網(wǎng)絡(luò)因其良好的學(xué)習(xí)能力、信息處理能力和自適應(yīng)特性，能對(duì)非線性系統(tǒng)進(jìn) 行高精度逼近。本發(fā)明提出了一種基于神經(jīng)網(wǎng)絡(luò)的PID污水處理過程控制方法，在滿足出水 質(zhì)達(dá)標(biāo)和系統(tǒng)穩(wěn)定運(yùn)行的基礎(chǔ)上，實(shí)現(xiàn)了對(duì)PID的三個(gè)參數(shù)實(shí)時(shí)在線調(diào)整，提高了控制精 度。

【發(fā)明內(nèi)容】

[0006] 基于神經(jīng)網(wǎng)絡(luò)的污水處理過程PID控制方法，主要包括兩個(gè)部分:PID控制部分與 神經(jīng)網(wǎng)絡(luò)自適應(yīng)調(diào)整參數(shù)部分。本方法利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性與學(xué)習(xí)能力，根據(jù)當(dāng)前的 環(huán)境狀態(tài)自適應(yīng)的對(duì)PID控制器的三個(gè)參數(shù)進(jìn)行實(shí)時(shí)調(diào)整，及時(shí)對(duì)環(huán)境的變化做出響應(yīng)，從 而對(duì)污水處理過程進(jìn)行控制，使得溶解氧濃度誤差最小化。
[0007] 本發(fā)明采用了如下的技術(shù)方案為基于神經(jīng)網(wǎng)絡(luò)的污水處理過程PID控制方法，其 特征在于，包括以下步驟：
[0008] 1)底層PID控制器
[0009] 將k時(shí)刻的溶解氧濃度與濃度設(shè)定值進(jìn)行對(duì)比作差，可定義誤差為：
[0010] e(k) =r(k)-y(k) (I)
[0011] r (k)為k時(shí)刻溶解氧濃度期望值，y (k)為k時(shí)刻的溶解氧濃度實(shí)際測(cè)量值，e (k)為k 時(shí)刻的溶解氧濃度的誤差值；
[0012] PID控制器的輸出為：
[0013] Au(k)=KP(e(k)-e(k-l))+Kie(k)+Kd[e(k)-2e(k-l)+e(k-2)] (2)
[0014] Kp代表的是比例系數(shù)，K1代表的是積分系數(shù)，Kd代表的是微分系數(shù)，e(k)與e(k-l) 分別代表在k時(shí)刻和k-1時(shí)刻溶解氧的誤差變化量，e (k-2)代表在k-2時(shí)刻溶解氧的誤差變 化量，A u(k)為PID控制器k時(shí)刻的輸出控制量增量；
[0015] 2)PID調(diào)整參數(shù)
[0016]本方法選擇BP神經(jīng)網(wǎng)絡(luò)對(duì)PID參數(shù)進(jìn)行調(diào)整，共有三個(gè)輸入量，分別是k時(shí)刻的比
[0017]
[0018]
[0019]
[0020]
[0021]
[0022]
[0023] 式中，X1 (k)，X2(k)，X3(k)為k時(shí)刻比例、積分、微分所對(duì)應(yīng)的誤差變化量，X(k)為k 時(shí)刻的神經(jīng)網(wǎng)絡(luò)的輸入向量，Ycmt (k)為k時(shí)刻的神經(jīng)網(wǎng)絡(luò)的輸出，同時(shí)作為PID控制器的比 例、積分、微分參數(shù);Win(k)為k時(shí)刻神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元到隱含層神經(jīng)元的連接權(quán)值;W°ut (k)為k時(shí)刻神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元到輸出層神經(jīng)元的連接權(quán)值;f為隱含層神經(jīng)元激活函 數(shù)，取為Sigmoid函數(shù)；
[0024]將k時(shí)刻溶解氧濃度變化量e(k)作為污水處理控制過程的輸入，
[0025] 得到在k時(shí)刻的性能指標(biāo)函數(shù)值J(k)，調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值指標(biāo)函數(shù)為：
[0026] .
[0027] j
[0028] ^
[0029] W
[0030] W
[0031] η為學(xué)習(xí)速率，E(k)為k時(shí)刻的PID控制器參數(shù)誤差變化J1為反向傳播隱含層算 子，δ2為反向傳播輸出層算子。
[0032]本發(fā)明的創(chuàng)造性主要體現(xiàn)在：
[0033]本發(fā)明設(shè)計(jì)了智能PID控制方法并將其應(yīng)用在污水處理過程中，該方法能夠根據(jù) 環(huán)境狀態(tài)實(shí)時(shí)對(duì)PID參數(shù)進(jìn)行修正，實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定控制。其一，利用神經(jīng)網(wǎng)絡(luò)對(duì)PID控制 器參數(shù)進(jìn)行實(shí)時(shí)的修正，使控制器能夠根據(jù)實(shí)際環(huán)境變化自適應(yīng)的進(jìn)行調(diào)整;其二，利用智 能PID控制器對(duì)污水處理過程進(jìn)行穩(wěn)定控制，使出水水質(zhì)滿足排放標(biāo)準(zhǔn)。以上兩部分構(gòu)成的 基于神經(jīng)網(wǎng)絡(luò)的污水處理PID智能控制系統(tǒng)，屬于本發(fā)明的保護(hù)范圍。
[0034]本發(fā)明提出的基于神經(jīng)網(wǎng)絡(luò)的污水處理PID智能控制系統(tǒng)，解決了傳統(tǒng)PID控制器 難以在線調(diào)整的問題，克服了 PID控制自適應(yīng)差、自學(xué)習(xí)能力差的缺點(diǎn)。
【附圖說明】
[0035]圖1.污水處理過程基準(zhǔn)模型。
[0036]圖2.神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖。
[0037]圖3.溶解氧控制效果。
[0038]圖4.溶解氧濃度控制系統(tǒng)框圖
【具體實(shí)施方式】
[0039] BSMl污水基準(zhǔn)仿真處理模型主要包括生化反應(yīng)池和二沉池，如圖1所示，生化反應(yīng) 池共有五個(gè)單元，前兩個(gè)單元為厭氧區(qū)，后三個(gè)單元為曝氣區(qū)，控制溶解氧濃度主要是通過 調(diào)節(jié)第五單元的氧氣轉(zhuǎn)化系數(shù)KLa，使溶解氧濃度維持在2mg/L。圖2所示的BP神經(jīng)網(wǎng)絡(luò)拓?fù)?圖，分為輸入層，隱含層和輸出層。本專利通過BP神經(jīng)網(wǎng)絡(luò)對(duì)PID控制器參數(shù)進(jìn)行整定。 [0040]文中的實(shí)驗(yàn)是基于BSMl模型晴朗天氣下的數(shù)據(jù)進(jìn)行的，具體步驟如下：
[0041 ] SI .PID控制器
[0042] PID控制器的輸入量有六個(gè)，其中三個(gè)是溶解氧濃度與其設(shè)定值的偏差經(jīng)計(jì)算后 得到的誤差變化量，如圖4中所示的幻(1〇^2(1〇^3(1〇，另外三個(gè)是8?神經(jīng)網(wǎng)絡(luò)的輸出量， 如圖4中所示的K p，Ki，Kd，輸出為控制量。溶解氧濃度的設(shè)定值為2mg/L。
[0043] S2.參數(shù)調(diào)整層神經(jīng)網(wǎng)絡(luò)
[0044] 參數(shù)調(diào)整層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3-20-3,輸入為誤差的微積分計(jì)算分量，輸出為PID的 三個(gè)控制參數(shù)，內(nèi)部神經(jīng)元個(gè)數(shù)為20(根據(jù)實(shí)際情況進(jìn)行增加或刪減），初始化網(wǎng)絡(luò)的權(quán)值， 輸入層神經(jīng)元到隱含層神經(jīng)元的權(quán)值1，的維數(shù)為20 X 3，隱含層神經(jīng)元到輸出層神經(jīng)元的 權(quán)值WcicmM^維數(shù)為3 X 20。
[0045] S3.通過迭代學(xué)習(xí)，可以得到溶解氧濃度的控制結(jié)果如圖3,可以看出，在控制的開 始階段，BP-PID控制器經(jīng)過學(xué)習(xí)，能夠快速的將溶解氧濃度控制在2mg/L附近，且能夠保持 穩(wěn)定，不會(huì)隨著入水流量和入水組分（即系統(tǒng)的狀態(tài)）的變化而變化，開始的調(diào)整階段可以 很好的彌補(bǔ)傳統(tǒng)PID控制器參數(shù)難以選擇的問題，圖中曲線為BP-PID控制效果。
【主權(quán)項(xiàng)】
1. 一種基于神經(jīng)網(wǎng)絡(luò)的污水處理過程控制方法，主要包括兩個(gè)部分:PID控制部分與神 經(jīng)網(wǎng)絡(luò)自適應(yīng)調(diào)整參數(shù)部分;本方法利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性與學(xué)習(xí)能力，根據(jù)當(dāng)前的環(huán) 境狀態(tài)自適應(yīng)的對(duì)PID控制器的Ξ個(gè)參數(shù)進(jìn)行實(shí)時(shí)調(diào)整，及時(shí)對(duì)環(huán)境的變化做出響應(yīng)，從而 對(duì)污水處理過程進(jìn)行控制，使得溶解氧濃度的誤差最小化； 其特征在于，包括W下步驟： 1) 底層PID控制器 將k時(shí)刻的溶解氧濃度與濃度設(shè)定值進(jìn)行對(duì)比作差，可定義誤差為： e 化）=；Kk)-^k) (1) r化)為k時(shí)刻溶解氧濃度期望值，y化)為k時(shí)刻的溶解氧濃度實(shí)際測(cè)量值，e化)為k時(shí)刻 的溶解氧濃度的誤差值； PID控制器的輸出為： Au(k)=Kp(e 化)-e(k-l))+Kie 化)+Kd[e(k)-2e(k-l)+e 化-2)] (2) Κρ代表的是比例系數(shù)，Κι代表的是積分系數(shù)，Kd代表的是微分系數(shù)，e(k)與e化-1)分別 代表在k時(shí)刻和k-1時(shí)刻溶解氧的誤差變化量，e化-2)代表在k-2時(shí)刻溶解氧的誤差變化量， Au化)為PID控制器k時(shí)刻的輸出控制量增量； 2. PID調(diào)整參數(shù) 本方法選擇BP神經(jīng)網(wǎng)絡(luò)對(duì)PID參數(shù)進(jìn)行調(diào)整，共有Ξ個(gè)輸入量，分別是k時(shí)刻的比例、積 分、微分所對(duì)應(yīng)的誤差變化量，其輸入為： XI 化）=e 化)-e 化-1) (3) X2 化）=e 化）（4) X3(k) =e(k)-2e(k_l)+e 化-2) (5) X(k) = [xi(k) X2化）X3化）](6) 則神經(jīng)網(wǎng)絡(luò)的輸出為： Y〇ut(k)=W°utA)f(Win(k)X(k)) (7) 式中，XI化），X2(k)，X3化)為k時(shí)刻比例、積分、微分所對(duì)應(yīng)的誤差變化量，X(k)為k時(shí)刻 的神經(jīng)網(wǎng)絡(luò)的輸入向量，Ynut化)為k時(shí)刻的神經(jīng)網(wǎng)絡(luò)的輸出，同時(shí)作為PID控制器的比例、積 分、微分參數(shù);win化)為k時(shí)刻神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元到隱含層神經(jīng)元的連接權(quán)值;W°ut化)為 k時(shí)刻神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元到輸出層神經(jīng)元的連接權(quán)值;f為隱含層神經(jīng)元激活函數(shù)，取 為Sigmoid函數(shù)； 將k時(shí)刻溶解氧濃度變化量e化)作為污水處理控制過程的輸入，得到在k時(shí)刻的性能指 標(biāo)函數(shù)值J化），調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值指標(biāo)函數(shù)為：權(quán)值調(diào)整公式為： W〇ut(k+l ) =W°ut(k)巧S2f (Win(k)X(k) ) (9) fin(k+l)=Win(k)巧δ 戍(k) (10) η為學(xué)習(xí)速率，E化)為k時(shí)刻的PID控制器參數(shù)誤差變化，δι為反向傳播隱含層算子，δ2為 反向傳播輸出層算子。2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的污水處理過程控制方法，其特征在于： BSM1污水基準(zhǔn)仿真處理模型主要包括生化反應(yīng)池和二沉池，生化反應(yīng)池共有五個(gè)單元，前 兩個(gè)單元為厭氧區(qū)，后Ξ個(gè)單元為曝氣區(qū)，控制溶解氧濃度主要是通過調(diào)節(jié)第五單元的氧 氣轉(zhuǎn)化系數(shù)肚曰，使溶解氧濃度維持在BP神經(jīng)網(wǎng)絡(luò)拓?fù)鋱D，分為輸入層，隱含層和輸 出層;通過BP神經(jīng)網(wǎng)絡(luò)對(duì)PID控制器參數(shù)進(jìn)行整定； 基于BSM1模型晴朗天氣下的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，具體步驟如下： 51. PID控制器 PID控制器的輸入量有六個(gè)，其中Ξ個(gè)是溶解氧濃度與其設(shè)定值的偏差經(jīng)計(jì)算后得到 的誤差變化量:XI化）、X2化）、X3化），另外Ξ個(gè)是BP神經(jīng)網(wǎng)絡(luò)的輸出量:Κρ、Ki、Kd，輸出為控制 量;溶解氧濃度的設(shè)定值為52. 參數(shù)調(diào)整層神經(jīng)網(wǎng)絡(luò) 參數(shù)調(diào)整層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3-20-3,輸入為誤差的微積分計(jì)算分量，輸出為PID的Ξ個(gè) 控制參數(shù)，內(nèi)部神經(jīng)元個(gè)數(shù)為20,初始化網(wǎng)絡(luò)的權(quán)值，輸入層神經(jīng)元到隱含層神經(jīng)元的權(quán)值 W?！木S數(shù)為20 X 3，隱含層神經(jīng)元到輸出層神經(jīng)元的權(quán)值WD°ut的維數(shù)為3 X 20;53. 通過迭代學(xué)習(xí)，得到溶解氧濃度的控制結(jié)果。
【文檔編號(hào)】G05B11/42GK105843036SQ201610218353
【公開日】2016年8月10日
【申請(qǐng)日】2016年4月9日
【發(fā)明人】喬俊飛, 付文韜, 武利, 蒙西, 許進(jìn)超
【申請(qǐng)人】北京工業(yè)大學(xué)