[發明專利]一種基于隨機遞歸小波神經網絡的船舶污水處理控制預測系統及預測方法

有效

• 申請號: 201811573025.5
• 申請日: 2018-12-21
• 公開（公告）號: CN109534486B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 施悅;蔡煜航;肖世豪;張坤;王義權;孫培淇
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;C02F3/00;G06N3/044;G06N3/08;C02F101/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明的目的在于提供一種基于隨機遞歸小波神經網絡的船舶污水處理控制預測系統及預測方法，將小波分析原理和遞歸神經網絡相結合，使隨機遞歸小波神經網絡完全繼承了小波變換優良的局部化特性和遞歸神經網絡的歷史記憶特性，實現了強大的函數擬合能力。特別針對船舶污水處理過程的高度非線性、強耦合性、時變、大滯后性和復雜性等特點，解決了傳統神經網絡預測模型的精度差、穩定性低等問題。提出了相應的控制策略，對船舶污水處理設備進行自我監測和診斷的同時，還實現了自我修復，智能化程度高，進一步節省了運行成本。本預測方法能夠很好的預測船舶污水中的污染物去除效率，進而對低溫船舶污水的處理提供切實可行的運行策略。

技術領域

本發明涉及的是一種船舶生活污水處理預測系統及其預測方法。

背景技術

國際海事組織(IMO)對船舶污水的排放要求越來越嚴格。盡管生活污水處理技術和裝置在我國發展迅猛，但還是存在許多問題。尤其是在處理過程中的控制問題，由于污水處理過程中存在高度非線性、強耦合性、時變、大滯后性和復雜性等特點，傳統的控制方法，例如開關控制或PID控制，只能對單個變量進行控制，而對于復雜的系統，無法實現穩定有效的控制。

針對傳統控制方法存在的缺陷，近年來，很多學者對污水處理過程中控制進行了大量的研究并提出了很多數學模型，比如ASM系列模型、模糊控制模型等。但是，目前污水處理過程模型結構復雜，待定參數過多，可辨識差，不能動態地反映出操作變量和控制目標之間的聯系，所以無法用于在線控制。此外，由于污水處理過程受進水水質、溫度和pH，具有強耦合性和高度非線性等特點，更是對污水處理過程得監測和控制提出了挑戰。因此，尋求一種有效的污水處理過程控制方法尤為緊迫。

本發明設計了基于隨機回歸小波神經網絡(SRWNN)的船舶污水處理控制預測系統，通過構建小波算法和遞歸神經網絡結合，利用模型預測的方法時間對污水處理過程中出水污染物(COD和總氮)進行實時監測，特別針對低溫時船舶污水處理系統處理效率低的問題，提出了相應的控制策略。該系統應用于污水處理過程的監測和控制，提高了系統的穩定性和可靠性，同時保障了出水水質并且降低了能耗。此外，該系統極大降低了人為因素對控制過程的干擾和操作人員帶來的運行成本。

發明內容

本發明的目的在于提供能極大降低人為因素對控制過程的干擾和操作人員帶來的運行成本的一種基于隨機遞歸小波神經網絡的船舶污水處理控制預測系統及預測方法。

本發明的目的是這樣實現的：

本發明一種基于隨機遞歸小波神經網絡的船舶污水處理控制預測系統，其特征是：包括緩沖池、生化處理池，進水管連通緩沖池，緩沖池通過中間管連通生化處理池，生化處理池出口連通出水管，進水管上安裝進水調節閥，中間管上安裝流量傳感器，生化處理池底部設置加熱裝置，生化處理池下方連接曝氣泵，生化處理池里分別設置溫度傳感器、在線COD傳感器、在線總氮傳感器。

本發明一種基于隨機遞歸小波神經網絡的船舶污水處理控制預測方法，其特征是：小波神經網絡預測模型分為三層：輸入層、隱含層和輸出層；預測模型SRWNN神經網絡輸入為x(t)＝[x₁(t),x₂(t),x₃(t),x₄(t)]^T，x₁(t)為t時刻生化處理區溫度值，x₂(t)為t時刻生化處理區流量值，x₃(t)為t時刻生化處理區COD值，?x₄(t)為t時刻生化處理區氨氮值；

模型建立如下：