[發明專利]一種面向污水處理過程的智能多目標優化控制方法

有效

• 申請號: 202010961064.3
• 申請日: 2020-09-14
• 公開（公告）號: CN112099354B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 熊偉麗;趙楊
• 申請（專利權）人: 江南大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 王曉東

1.一種面向污水處理過程的智能多目標優化控制方法，其特征在于：包括，

基于LSSVM構建控制器設定值與能耗、出水水質之間的軟測量模型；

將所述軟測量模型作為目標函數、總能耗和所述出水水質作為優化目標，結合多策略自適應差分進化算法尋優，獲得各跟蹤控制器的設定值；

利用PID控制器對所述設定值進行跟蹤控制；

構建所述軟測量模型包括，

以4個PID控制器的設定值作為輔助變量，能耗和出水水質為兩個主導變量，用LSSVM建立軟測量模型，如下：

OCI＝f₁(S_O4set，S_O5set，S_NO2set)

EQI＝f₂(S_O4set，S_O5set，S_NO2.set)

其中，S_NO2set、S_O4set、S_O5set分別表示PID4控制器、PID2控制器和PID3控制器的設定值，OCI表示總能耗，EQI表示出水水質；

將所述軟測量模型作為所述目標函數，包括，

s.t.y_i(ω^Tx_i+b)＝1-e_i

i＝1，2，…，m

其中，||ω||為ω的二范數，e_i為誤差變量，λ＞0為懲罰系數，ω為權向量，b為偏置量；

利用拉格朗日乘子法求解所述目標函數，得到拉格朗日函數，如下：

其中，e＝(e₁；e₁；...；e_m)，α＝(α₁；α₁；...；α_m)，α_i為拉格朗日乘子；

利用所述多策略自適應差分進化算法進行尋優，包括，

初始化種群及相關進化參數，當前迭代次數t＝1，隨機初始化種群；

利用所述軟測量模型計算所述種群個體的適應度值，自適應地更新進化過程信息θ(t)、變異率CR_i(t)和交叉率F(t)；

更新公式如下：

其中，和分別為第t代種群對m個目標函數進行適應度值求和后得到的最大值和最小值，CR_i(t)為第t代種群中第i個個體的交叉率，CR_min為最小交叉率，CR_max為最大交叉率，f_i(t)為第t代種群中第i個個體的適應度值，f_m(t)為第t代種群中所有個體的平均適應度值，為衰減系數，F_min為最小變異率，F_max為最大變異率；

根據非支配排序策略更新所述種群個體適應度值和pareto解集A；

基于排序個體選擇的多策略融合變異進行變異策略的交叉、選擇操作；

判斷當前迭代次數t是否達到最大迭代次數T，若未達到，則返回上一步驟；

若達到，則從所述pareto解集A中選取一組較優解作為所述跟蹤控制器的所述設定值；

所述相關進化參數包括，

所述變異率和所述交叉率的上下限、種群規模、最大迭代次數T和pareto解集規模A_max；

所述非支配排序策略包括，

利用所述軟測量模型計算所述種群中個體的適應度值；

將所述種群中的個體按支配關系進行pareto解分層，將各層pareto解按擁擠度進行降序排列；

利用所述非支配排序策略對所述種群中所有個體進行排序，并獲取排序后第i個體的選擇參考指標；

根據多策略融合原則有側重性地選擇變異策略；

生成0～1均勻分布的隨機數rand2，從所述種群中隨機選擇個體，若隨機個體的選擇參考指標小于rand2，則重新選擇；

若所述隨機個體的選擇參考指標大于rand2，則代入選擇的變異策略進行變異操作；

所述變異策略進行交叉、選擇操作，包括，

其中，為交叉產生的試驗個體，rand_ij為0～1均勻分布的隨機數，為當前試驗個體的第m個目標函數值：

所述根據多策略融合原則有側重性地選擇變異策略表示為：

其中，為第t代種群中隨機選中的個體，rk之間互不相等并且rk≠i，為當前目標個體，為變異個體，D為個體的維數，rand1為生成的服從均勻分布的隨機數。