發(fā)布時間：2018-6-4 13:39:35  中國污水處理工程網(wǎng)

　　申請日2013.09.30

　　公開(公告)日2014.01.08

　　IPC分類號G05B13/04; G05D11/00

　　摘要

　　針對污水處理過程高度非線性、強耦合性、時變、大滯后和不確定性嚴重等特點，本發(fā)明提出一種基于神經(jīng)網(wǎng)絡(luò)的污水處理過程自組織控制方法，實現(xiàn)對污水處理過程中溶解氧(DO)濃度的控制;該控制方法通過建立神經(jīng)網(wǎng)絡(luò)直接控制系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)自組織設(shè)計實現(xiàn)控制器的結(jié)構(gòu)調(diào)整，從而提高控制效果，實現(xiàn)溶解氧濃度的自組織控制;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，并且控制器結(jié)構(gòu)難以自組織的問題;實驗結(jié)果表明該方法能夠快速、準確地控制溶解氧濃度，并具有較強的自適應(yīng)能力，提高污水處理的質(zhì)量和效率、降低污水處理成本，促進污水處理廠高效穩(wěn)定運行。

　　權(quán)利要求書

　　1.一種污水處理過程自組織控制方法，其特征包括以下步驟：

　　(1)確定控制對象;針對序批式間歇活性污泥系統(tǒng)中溶解氧進行控 制，以曝氣量為控制量，溶解氧濃度DO為被控量;

　　(2)設(shè)計用于污水處理過程中溶解氧的控制系統(tǒng)，控制系統(tǒng)分為三部 分：線性控制部分、魯棒控制部分、神經(jīng)網(wǎng)絡(luò)控制部分;具體為：

　�、僭O(shè)定線性控制部分，線性控制器的輸入為：

　　$\stackrel{\_}{e}\left(t\right)=y_d\left(t\right)-y\left(t\right);---\left(1\right)$

　　其中yd是溶解氧濃度的期望輸出，y是溶解氧濃度的實際輸出;線性 控制器的輸出為：

　　$u_{\mathrm{dc}}\left(t\right)=h\stackrel{\_}{e}\left(t\right);---\left(2\right)$

　　其中udc是線性控制器的輸出，h是比例系數(shù)，h∈[5,25];

　�、谠O(shè)定魯棒控制部分，魯棒控制器的輸入與線性控制器的輸入相同; 魯棒控制器的輸出為：

　　$u_{\mathrm{sl}}\left(t\right)={\gamma }_2\left|h^{-1}\stackrel{\_}{e}\left(t\right)\right|\mathrm{sgn}\left(h^{-1}\stackrel{\_}{e}\left(t\right)\right);---\left(3\right)$

　　其中γ2是魯棒控制器設(shè)計系數(shù)，γ2∈(0,0.5]，usl是魯棒控制器的輸出， sgn()是符號函數(shù);

　�、墼O(shè)定神經(jīng)網(wǎng)絡(luò)控制部分，神經(jīng)網(wǎng)絡(luò)控制器的輸入為x(t)=[yd(t)， udc(t)+usl(t)]T，T為公式的轉(zhuǎn)置;神經(jīng)網(wǎng)絡(luò)控制器的輸出為uad;

　　(3)設(shè)計用于污水處理過程中溶解氧自組織控制方法的RBF神經(jīng)網(wǎng)絡(luò) 拓撲結(jié)構(gòu);網(wǎng)絡(luò)分為三層：輸入層、隱含層、輸出層;輸入為x(t)， 輸出為uad;

　　初始化RBF神經(jīng)網(wǎng)絡(luò)：確定神經(jīng)網(wǎng)絡(luò)2-K-1的連接方式，即輸入 層神經(jīng)元為2個，隱含層神經(jīng)元為K個，輸出層神經(jīng)元為1個;對神經(jīng) 網(wǎng)絡(luò)的權(quán)值進行隨機賦值;設(shè)第t時刻RBF神經(jīng)網(wǎng)絡(luò)輸入為x(t)，神經(jīng) 網(wǎng)絡(luò)的輸出表示為uad(t)，RBF神經(jīng)網(wǎng)絡(luò)的計算功能是：

　　$u_{\mathrm{ad}}\left(t\right)=\underset{k=1}{\overset{k}{\Sigma }}{w}_k\left(t\right){\theta }_k\left(x\left(t\right)\right);---\left(4\right)$

　　wk(t)表示隱含層神經(jīng)元和輸出層的連接權(quán)值，k=1，2，…，K;θk是 隱含層第k個神經(jīng)元的輸出，其計算公式為：

　　${\theta }_k\left(x\left(t\right)\right)=e^{(-||x\left(t\right)-{\mu }_k\left(t\right)||/{\sigma }_k^2\left(t\right))};---\left(5\right)$

　　μk表示隱含層第k個神經(jīng)元中心值，σk表示隱含層第k個神經(jīng)元的中心 寬度;

　　(4)自組織控制方法設(shè)計，具體為：

　　①給定一個RBF神經(jīng)網(wǎng)絡(luò)，隱含層神經(jīng)元為較小自然數(shù)，K為小于10 的正整數(shù)，輸入為x(t);

　�、谟嬎汶[含層神經(jīng)元k的活躍度Afk，

　　${\mathrm{Af}}_k=20\times e^{-\left|\right|x\left(t\right)-{\mu }_k\left|\right|}\frac{{\theta }_k\left(x\left(t\right)\right)}{\underset{k=1}{\overset{K}{\Sigma }}{\theta }_k\left(x\left(t\right)\right)};---\left(6\right)$

　　其中，k=1,2,…,K，Afk是隱含層第k個神經(jīng)元的活躍度，K是隱含層神 經(jīng)元數(shù)，θk是隱含層第k個神經(jīng)元的輸出;如活躍度Afk小于活躍度閥 值A(chǔ)fo∈[0.01,0.2]，網(wǎng)絡(luò)結(jié)構(gòu)不需要調(diào)整;如活躍度Afk大于活躍度閥 值A(chǔ)fo∈[0.01,0.2]，分裂神經(jīng)元k，調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，并且更新隱含層神 經(jīng)元數(shù)K’=K+1;

　�、塾嬎汶[含層神經(jīng)元X與輸出層神經(jīng)元Y間的連接強度，假設(shè)X和Y是 相互連接的神經(jīng)元，交互信息的強度M(X;Y)依賴于神經(jīng)元X和Y間的平 均信息量，神經(jīng)元X和Y間的連接強度定義為：

　　M(X;Y)=H(X)-H(X|Y)=H(X)-H(Y|X); (7)

　　其中，H(X)為X的香農(nóng)熵，H(Y|X)為Y在X條件下的熵;由公式(7)可知， 當(dāng)神經(jīng)元X和Y相互獨立時，M(X;Y)的值為0;否則，M(X;Y)為正數(shù); 所以，M(X;Y)≥0，并且

　　M(X;Y)≤min(H(X),H(Y)); (8)

　　規(guī)則化交互信息的強度

　　$m(X;Y)=\frac{M(X;Y)}{\min (H\left(X\right),H\left(Y\right))};---\left(9\right)$

　　其中0≤m(X;Y)≤1，通過公式(9)可以計算隱含層神經(jīng)元X與輸出層神 經(jīng)元Y間的連接強度;設(shè)定連接強度閥值m0∈[0,0.1]，在RBF神經(jīng)網(wǎng) 絡(luò)中，當(dāng)m(X;Y)大于連接強度閥值m0時則說明神經(jīng)元X和Y間的信息 交互較強，認為X和Y間有連接，網(wǎng)絡(luò)結(jié)構(gòu)不需要調(diào)整;當(dāng)m(X;Y)小 于連接強度閥值m0時則表明神經(jīng)元X和Y間的信息交互強度較弱，在 網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整時可忽略神經(jīng)元X和Y間的連接，從而斷開神經(jīng)元X和Y 間的連接，并且更新隱含層神經(jīng)元數(shù)K’’=K’-1;

　�、苷{(diào)整神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元與輸出層之間的連接權(quán)值W(t)：

　　$\stackrel{•}{W}\left(t\right)={\gamma }_1\stackrel{\_}{e}\left(t\right)\theta \left(x\left(t\right)\right);---\left(10\right)$

　　其中，

　　θ(x(t))=[θ1(x(t)),θ2(x(t)),...,θK''(x(t))]T;

　　W=[w1,w2,...,wK'']T; (11)

　　γ1∈(0,0.1]表示神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率;

　�、莞鶕�(jù)公式(4)，uad(t)為神經(jīng)網(wǎng)絡(luò)t時刻的實際輸出;

　　(5)用自組織控制方法實現(xiàn)污水處理過程中溶解氧的控制，控制系統(tǒng) 的總輸出為：

　　$u=\frac{1}{\mathrm{\υ}}(u_{\mathrm{dc}}-u_{\mathrm{ad}}+u_{\mathrm{sl}});---\left(15\right)$

　　其中υ是系統(tǒng)設(shè)計系數(shù)，υ[5∈,15];控制系統(tǒng)的總輸出u即為變頻器的 輸入，變頻器通過調(diào)節(jié)電動機的轉(zhuǎn)速達到控制鼓風(fēng)機的目的，最終控 制曝氣量，整個控制系統(tǒng)的輸出為實際DO濃度值。

　　說明書

　　一種污水處理過程自組織控制方法

　　技術(shù)領(lǐng)域

　　本發(fā)明利用基于神經(jīng)網(wǎng)絡(luò)的自組織控制方法實現(xiàn)污水處理過程中溶解氧 (DO)濃度的控制，溶解氧(DO)的濃度直接決定了污水處理的效果，對出水水 質(zhì)和能耗有著重要影響。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)，是先進制造技術(shù)領(lǐng)域的重要分支，既屬于控制領(lǐng)域，又屬于水處 理領(lǐng)域。

　　背景技術(shù)

　　城市污水處理過程控制的最終目標是出水滿足排放或回用國家標準，隨 著國民經(jīng)濟的增長和公眾環(huán)保意識的增強，污水處理自動化技術(shù)迎來了前所 未有的發(fā)展機遇。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，本發(fā)明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)用最為廣泛的運轉(zhuǎn)控制參數(shù)，當(dāng)溶 解氧不足或過量時都會導(dǎo)致污泥生存環(huán)境惡化：當(dāng)氧氣不足時,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。

　　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、強耦合性、時變和不確定性等特點。采用傳統(tǒng)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。同時，由于污水處 理過程具有滯后特性，精確表述控制變量與控制目標之間的關(guān)系十分困難。 目前，污水處理過程模型結(jié)構(gòu)復(fù)雜、待整定參數(shù)過多，可辨識性差，不能動 態(tài)地反應(yīng)出操作變量與控制目標之間的蘊含關(guān)系，無法用于在線控制。近年 來，國內(nèi)外也有基于神經(jīng)網(wǎng)絡(luò)的智能控制方法研究，解決了傳統(tǒng)開關(guān)控制或 者PID控制方法自適應(yīng)能力較差的問題。但是仍有一些不足，以上智能控制 方法結(jié)構(gòu)無法自適應(yīng)，并且穩(wěn)定性難以保證。因此，必須尋求新的控制方法， 以滿足污水處理過程控制的需要。優(yōu)良的控制可以保證污水處理正常運行， 同時也是減少和應(yīng)對異常工況發(fā)生的關(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行管理和操作人員，降低運行費用。

　　本發(fā)明設(shè)計了一種基于神經(jīng)網(wǎng)絡(luò)的自組織控制方法，通過構(gòu)建神經(jīng)網(wǎng)絡(luò) 直接控制系統(tǒng)，利用自組織控制方法實現(xiàn)對污水處理過程中溶解氧(DO)的在 線控制。

　　發(fā)明內(nèi)容

　　本發(fā)明獲得了一種溶解氧DO濃度的自組織控制方法，該控制方法通過 構(gòu)建神經(jīng)網(wǎng)絡(luò)直接控制系統(tǒng)，同時利用神經(jīng)網(wǎng)絡(luò)的自組織設(shè)計提高控制能力; 解決了控制器根據(jù)環(huán)境自組織調(diào)整的問題，通過控制污水處理過程中的曝氣 量從而達到控制DO濃度的目的;提高了污水處理過程中DO控制的精度， 保障污水處理過程正常運行;

　　本發(fā)明采用了如下的技術(shù)方案及實現(xiàn)步驟：

　　1.一種污水處理過程溶解氧DO自組織控制方法的設(shè)計，其特征在于， 包括以下步驟：

　　(1)確定控制對象;本發(fā)明主要針對序批式間歇活性污泥系統(tǒng)中溶解氧進 行控制，以曝氣量為控制量，溶解氧濃度為被控量;

　　(2)設(shè)計用于污水處理過程中溶解氧的控制系統(tǒng)，如圖2，控制系統(tǒng)分為 三部分：線性控制部分、魯棒控制部分、神經(jīng)網(wǎng)絡(luò)控制部分;具體為：

　�、僭O(shè)定線性控制部分，線性控制器的輸入為：

　　$\stackrel{\_}{e}\left(t\right)=y_d\left(t\right)-y\left(t\right);---\left(1\right)$

　　其中yd是溶解氧濃度的期望輸出，y是溶解氧濃度的實際輸出;線性控制器的 輸出為：

　　$u_{\mathrm{dc}}\left(t\right)=h\stackrel{\_}{e}\left(t\right);---\left(2\right)$

　　其中udc是線性控制器的輸出，h是比例系數(shù)，h∈[5,25];

　�、谠O(shè)定魯棒控制部分，魯棒控制器的輸入與線性控制器的輸入相同;魯 棒控制器的輸出為：

　　$u_{\mathrm{sl}}\left(t\right)={\gamma }_2\left|h^{-1}\stackrel{\_}{e}\left(t\right)\right|\mathrm{sgn}\left(h^{-1}\stackrel{\_}{e}\left(t\right)\right);---\left(3\right)$

　　其中γ2是魯棒控制器設(shè)計系數(shù)，γ2∈(0,0.5]，usl是魯棒控制器的輸出，sgn() 是符號函數(shù);

　�、墼O(shè)定神經(jīng)網(wǎng)絡(luò)控制部分，神經(jīng)網(wǎng)絡(luò)控制器的輸入為x(t)=[yd(t)， udc(t)+usl(t)]T，T為公式的轉(zhuǎn)置;神經(jīng)網(wǎng)絡(luò)控制器的輸出為uad;

　　(3)設(shè)計用于污水處理過程中溶解氧自組織控制方法的RBF神經(jīng)網(wǎng)絡(luò)拓 撲結(jié)構(gòu);網(wǎng)絡(luò)分為三層：輸入層、隱含層、輸出層;輸入為x(t)，輸出為uad;

　　初始化RBF神經(jīng)網(wǎng)絡(luò)：確定神經(jīng)網(wǎng)絡(luò)2-K-1的連接方式，即輸入層神經(jīng)元 為2個，隱含層神經(jīng)元為K個，輸出層神經(jīng)元為1個;對神經(jīng)網(wǎng)絡(luò)的權(quán)值進行隨 機賦值;設(shè)第t時刻RBF神經(jīng)網(wǎng)絡(luò)輸入為x(t)，神經(jīng)網(wǎng)絡(luò)的輸出表示為uad(t)， RBF神經(jīng)網(wǎng)絡(luò)的計算功能是：

　　$u_{\mathrm{ad}}\left(t\right)=\underset{k=1}{\overset{k}{\Sigma }}{w}_k\left(t\right){\theta }_k\left(x\left(t\right)\right);---\left(4\right)$

　　wk(t)表示隱含層神經(jīng)元和輸出層的連接權(quán)值，k=1，2，…，K;θk是隱含層第 k個神經(jīng)元的輸出，其計算公式為：

　　${\theta }_k\left(x\left(t\right)\right)=e^{(-||x\left(t\right)-{\mu }_k\left(t\right)||/{\sigma }_k^2\left(t\right))};---\left(5\right)$

　　μk表示隱含層第k個神經(jīng)元中心值，σk表示隱含層第k個神經(jīng)元的中心寬度;

　　(4)自組織控制方法設(shè)計，具體為：

　　①給定一個RBF神經(jīng)網(wǎng)絡(luò)，隱含層神經(jīng)元為較小自然數(shù)，K為小于10的 正整數(shù)，如圖2，輸入為x(t);

　�、谟嬎汶[含層神經(jīng)元k的活躍度Afk，

　　${\mathrm{Af}}_k=20\times e^{-\left|\right|x\left(t\right)-{\mu }_k\left|\right|}\frac{{\theta }_k\left(x\left(t\right)\right)}{\underset{k=1}{\overset{K}{\Sigma }}{\theta }_k\left(x\left(t\right)\right)};---\left(6\right)$

　　其中，k=1,2,…,K，Afk是隱含層第k個神經(jīng)元的活躍度，K是隱含層神經(jīng)元數(shù)， θk是隱含層第k個神經(jīng)元的輸出;如活躍度Afk小于活躍度閥值A(chǔ)fo∈[0.01,0.2]， 網(wǎng)絡(luò)結(jié)構(gòu)不需要調(diào)整;如活躍度Afk大于活躍度閥值A(chǔ)fo∈[0.01,0.2]，分裂神經(jīng) 元k，調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，并且更新隱含層神經(jīng)元數(shù)K’=K+1;

　�、塾嬎汶[含層神經(jīng)元X與輸出層神經(jīng)元Y間的連接強度，假設(shè)X和Y是相互 連接的神經(jīng)元，交互信息的強度M(X;Y)依賴于神經(jīng)元X和Y間的平均信息量， 神經(jīng)元X和Y間的連接強度定義為：

　　M(X;Y)=H(X)-H(X|Y)=H(X)-H(Y|X); (7)

　　其中，H(X)為X的香農(nóng)熵，H(Y|X)為Y在X條件下的熵;由公式(7)可知，當(dāng)神經(jīng) 元X和Y相互獨立時，M(X;Y)的值為0;否則，M(X;Y)為正數(shù);所以，M(X;Y)≥0， 并且

　　M(X;Y)≤min(H(X),H(Y)); (8)

　　規(guī)則化交互信息的強度

　　$m(X;Y)=\frac{M(X;Y)}{\min (H\left(X\right),H\left(Y\right))};---\left(9\right)$

　　其中0≤m(X;Y)≤1，通過公式(9)可以計算隱含層神經(jīng)元X與輸出層神經(jīng)元Y間的 連接強度;設(shè)定連接強度閥值m0∈[0,0.1]，在RBF神經(jīng)網(wǎng)絡(luò)中，當(dāng)m(X;Y)大 于連接強度閥值m0時則說明神經(jīng)元X和Y間的信息交互較強，認為X和Y間有連 接，網(wǎng)絡(luò)結(jié)構(gòu)不需要調(diào)整;當(dāng)m(X;Y)小于連接強度閥值m0時則表明神經(jīng)元X 和Y間的信息交互強度較弱，在網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整時可忽略神經(jīng)元X和Y間的連接， 從而斷開神經(jīng)元X和Y間的連接，并且更新隱含層神經(jīng)元數(shù)K’’=K’-1;

　�、苷{(diào)整神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元與輸出層之間的連接權(quán)值W(t)：

　　$\stackrel{•}{W}\left(t\right)={\gamma }_1\stackrel{\_}{e}\left(t\right)\theta \left(x\left(t\right)\right);---\left(10\right)$

　　其中，

　　θ(x(t))=[θ1(x(t)),θ2(x(t)),...,θK''(x(t))]T;

　　W=[w1,w2,...,wK'']T; (11)

　　γ1∈(0,0.1]表示神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率;

　�、莞鶕�(jù)公式(4)，uad(t)為神經(jīng)網(wǎng)絡(luò)t時刻的實際輸出;

　　(5)用自組織控制方法實現(xiàn)污水處理過程中溶解氧的控制，控制系統(tǒng)的總 輸出為：

　　$u=\frac{1}{\mathrm{\υ}}(u_{\mathrm{dc}}-u_{\mathrm{ad}}+u_{\mathrm{sl}});---\left(15\right)$

　　其中υ是系統(tǒng)設(shè)計系數(shù)，υ控制系統(tǒng)的總輸出u即為變頻器的輸入， 變頻器通過調(diào)節(jié)電動機的轉(zhuǎn)速達到控制鼓風(fēng)機的目的，最終控制曝氣量，整 個控制系統(tǒng)的輸出為實際DO濃度值。

　　本發(fā)明的創(chuàng)造性主要體現(xiàn)在：

　　(1)本發(fā)明針對當(dāng)前活性污泥法污水處理過程是一個復(fù)雜的、動態(tài)的生物 反應(yīng)過程，不僅具有非線性、大時變等特點，而且各個因素之間存在強耦合 關(guān)系，難以實現(xiàn)溶解氧DO濃度自組織控制，根據(jù)神經(jīng)網(wǎng)絡(luò)直接控制的特點， 采用了基于線性控制、魯棒控制、以及神經(jīng)網(wǎng)絡(luò)控制相結(jié)合的自組織控制方 法實現(xiàn)溶解氧濃度的控制，具有控制精度高、穩(wěn)定性好等特點;

　　(2)本發(fā)明采用自組織控制方法對污水處理過程溶解氧濃度進行控制，該 自組織控制方法解決了控制器結(jié)構(gòu)難以在線調(diào)整的問題，省去了當(dāng)前污水處 理廠需要人工經(jīng)驗研制控制器的復(fù)雜過程，提高了污水處理過程控制自動化 水平。

　　特別要注意：本發(fā)明只是為了描述方便，采用的是對溶解氧濃度的控制， 同樣該發(fā)明也可適用污水處理過程硝態(tài)氮濃度的控制等，只要采用了本發(fā)明 的原理進行控制都應(yīng)該屬于本發(fā)明的范圍。