[發明專利]一種基于模糊神經網絡的污水處理過程分層模型預測控制方法

有效

• 申請號: 202011080017.4
• 申請日: 2020-10-10
• 公開（公告）號: CN112346338B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 韓紅桂;付世佳;伍小龍;喬俊飛
• 申請（專利權）人: 北京工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發明提出了一種基于模糊神經網絡的污水處理過程分層模型預測控制方法，實現了污水處理過程中溶解氧濃度和硝態氮濃度的在線分層控制。針對污水處理過程中時間尺度差異性，溶解氧濃度和硝態氮濃度難以精確控制的特點，該控制方法根據不同的時間尺度，建立了分層模型預測控制結構，按照不同頻率控制溶解氧濃度和硝態氮濃度，符合實際污水處理廠的運行特點，能夠有效提高控制效果，解決了當前多變量模型預測控制操作性能較差的問題。實驗結果表明該方法能夠獲得較好的操作性能，能夠按照不同時間尺度以不同頻率實現溶解氧濃度和硝態氮濃度精確在線控制。

技術領域

本發明利用基于模糊神經網絡的污水處理過程分層模型預測控制方法實現污水處理過程中溶解氧濃度和硝態氮濃度在線分層控制，溶解氧濃度和硝態氮濃度的控制效果直接影響到污水處理廠的出水水質和運行能耗的問題。污水處理過程中溶解氧濃度和硝態氮濃度的控制作為污水處理的重要環節，是先進制造技術領域的重要分支，既屬于智能控制領域，又屬于水處理領域。

背景技術

世界各國和地區都面臨著嚴重的水資源短缺問題，污水處理是解決水資源短缺的重要解決方案之一，不僅可以減少水污染物的排放，而且可以產生可再生的水源來維持生態和天然物質循環的平衡。

污水處理單元好氧區溶解氧濃度的大小直接影響了硝化反應進程，溶解氧濃度變大時，系統中出水氨氮和總氮的濃度就會呈下降趨勢，但當溶解氧濃度達到一定值時，出水中氨氮的變化幅度就會減弱。污水處理單元缺氧區的硝態氮濃度是衡量脫氮效果的重要指標，它反映了反硝化反應過程的進程，將硝態氮濃度控制在一個合適的范圍內，能夠提高反硝化反應的潛力。因此，對污水處理單元中溶解氧濃度和硝態氮濃度的控制非常重要，需要將溶解氧濃度和硝態氮濃度控制在一定范圍內，才能提高出水水質。

然而，由于與污水處理單元物理、化學和生物現象的復雜性，以及進水輸入流量可能發生的突變，污水處理廠的控制是一個相當復雜的問題。傳統的PID控制或者非線性模型預測控制，雖然是當前應用較為廣泛的控制方法，但是由于污水處理過程的控制變量存在不同的時間尺度，可能會降低系統運行性能甚至破壞閉環系統的穩定性。

本發明設計了一種基于模糊神經網絡的污水處理過程分層模型預測控制方法，通過構建分層模型預測控制結構，根據不同的時間尺度，實現了污水處理過程中溶解氧濃度和硝態氮濃度在線分層控制。

發明內容

本發明提出了一種基于模糊神經網絡的污水處理過程分層模型預測控制方法，針對污水處理過程中時間尺度差異性，溶解氧濃度和硝態氮濃度難以精確控制的特點，該控制方法根據不同的時間尺度，建立了分層模型預測控制結構，按照不同頻率控制溶解氧濃度和硝態氮濃度，解決了當前多變量模型預測控制操作性能較差的問題，有效地提高了溶解氧濃度和硝態氮濃度在線控制的精度；

本發明采用了如下的技術方案及實現步驟：

1.一種基于模糊神經網絡的污水處理過程分層模型預測控制方法，

針對污水處理過程中存在不同時間尺度的問題，通過對溶解氧濃度和硝態氮濃度進行分層控制提高污水處理效果；

其特征在于，包括以下步驟：

(1)根據不同的時間尺度，設計用于控制污水處理過程中溶解氧濃度和硝態氮濃度的分層控制結構；具體為：

上層控制器包括上層模糊神經網絡和上層模型預測控制器，以硝態氮濃度的采樣周期2T為時間尺度跟蹤硝態氮濃度和溶解氧濃度設定值，計算上層控制律，t₁＝2mT表示硝態氮濃度的采樣時刻，m為硝態氮濃度的采樣步數；

下層控制器包括下層模糊神經網絡和下層模型預測控制器，以溶解氧濃度的采樣周期T為時間尺度跟蹤溶解氧濃度設定值和上層控制律，計算下層控制律，t₂＝kT表示溶解氧濃度的采樣時刻，k為溶解氧濃度的采樣步數；