【技术实现步骤摘要】
本专利技术设计了约束模型预测控制器，实现了具有约束限制的城市污水处理过程溶解氧浓度的稳定控制，溶解氧浓度的控制是污水处理过程的重要环节，是先进制造的重要分支，既属于智能控制领域，也属于水处理领域。
技术介绍
1、城市污水处理过程利用活性污泥法污水处理技术提高出水水质，能够显著减少污染物的排放并且有效促进了污水资源化利用。对于建设环境友好，资源节约型社会具有重要意义。活性污泥法污水处理技术利用好氧微生物降解有机污染物。溶解氧浓度影响着好氧微生物的生长和代谢活动，从而影响污水处理效率。溶解氧浓度控制是城市污水处理过程的关键环节。
2、城市污水处理过程中为保证活性污泥在分解有机物或自身代谢过程中对溶解氧的需求，溶解氧浓度应保持在一定的范围内。由于曝气设备的充氧性能限制，氧传递系数具有一定的约束范围。传统的pid控制或者非线性模型预测控制忽略了对约束条件的处理，违反约束条件会降低城市污水处理效率甚至破坏系统的稳定性。针对具有约束限制的城市污水处理过程设计一种约束控制器，实现溶解氧浓度的稳定控制是一个亟待解决的问题。
3、本专利技术设计了一种基于约束模型预测的城市污水处理过程溶解氧浓度控制方法，建立基于模糊神经网络的溶解氧浓度预测模型，根据预测误差校正模型参数，设计约束模型预测控制器，实现具有约束限制的城市污水处理过程溶解氧浓度的稳定控制。
技术实现思路
1、本专利技术提出了一种基于约束模型预测的城市污水处理过程溶解氧浓度控制方法，建立基于模糊神经网络的溶解氧浓度预测
2、本专利技术采用了如下的技术方案及实现步骤：
3、1.一种基于约束模型预测的城市污水处理过程溶解氧浓度控制方法，其特征在于：建立基于模糊神经网络的溶解氧浓度预测模型，校正预测模型参数，构造约束模型预测控制器，实现具有约束限制的城市污水处理过程溶解氧浓度的稳定控制；包括以下步骤：
4、(1)构建城市污水处理过程溶解氧浓度控制系统
5、城市污水处理过程溶解氧浓度控制系统包括曝气池，传感器单元：溶解氧检测仪和曝气流量计，控制单元：约束模型预测控制器和可编程逻辑控制器，执行器单元：变频器和鼓风曝气设备；利用溶解氧检测仪获取曝气池中的溶解氧浓度，利用曝气流量计获取鼓风曝气设备的曝气量，设计约束模型预测控制器获取鼓风曝气设备的氧传递系数，利用可编程逻辑控制器控制变频器的频率，利用变频器调节鼓风机的转速，最终控制曝气量，实现溶解氧浓度的稳定控制；
6、城市污水处理过程溶解氧浓度控制系统的输入是氧传递系数，输出为溶解氧浓度，系统的表达式如下：
7、y(t)＝f(y(t-1),u(t-1)) (1)
8、其中y(t)表示t时刻溶解氧浓度实际值，y(t-1)表示t-1时刻溶解氧浓度实际值；u(t-1)表示t-1时刻的氧传递系数；f(·)表示系统输入与输出之间的非线性映射；
9、城市污水处理过程溶解氧浓度控制系统的曝气设备充氧性能范围为每天40毫克/升至240毫克/升；为保证活性污泥对溶解氧的需求，溶解氧浓度保持在1.6毫克/升至2.4毫克/升；
10、(2)建立基于模糊神经网络的溶解氧浓度预测模型
11、预测模型具有4层结构，分别为：输入层、径向基层、规则层、输出层；预测模型输入为x(t)＝[y(t-1)，u(t-1)]t，输出为t时刻溶解氧浓度的预测值预测模型的输出表达式如下：
12、
13、其中l＝1,2,...,6表示预测模型径向基层神经元和规则层神经元的个数，i＝1,2表示预测模型的输入层神经元的个数；wl(t)表示t时刻预测模型第l个规则层神经元和输出层神经元的连接权值，wl(t)在[0,1]范围内随机赋值；xi(t)表示t时刻预测模型第i个输入；cil(t)表示t时刻预测模型第l个径向基层神经元对应第i个输入层神经元的中心值，cil(t)在[0,1]范围内随机赋值；σil(t)表示t时刻预测模型第l个径向基层神经元对应第i个输入层神经元的宽度值，σil(t)在[0,1]范围内随机赋值；
14、(3)校正预测模型参数
15、为保证预测输出的计算精度，根据预测误差校正预测模型的权值，中心和宽度，更新公式如下：
16、φ(t+1)＝φ(t)-(jt(t)j(t)+0.2i)-1j(t)e(t) (3)
17、其中φ(t)＝[w1(t),...,w6(t),c1(t),...,c6(t),σ1(t),...,σ6(t)]t表示t时刻预测模型的参数向量；cl(t)＝[c1l(t),c2l(t)]t为t时刻预测模型第l个径向基层神经元的中心向量；σl(t)＝[σ1l(t),σ2l(t)]t为t时刻预测模型第l个径向基层神经元的宽度向量；表示预测误差；φ(t+1)＝[w1(t+1),...,w6(t+1),c1(t+1),...,c6(t+1),σ1(t+1),...,σ6(t+1)]t表示t+1时刻预测模型的参数向量；cl(t+1)＝[c1l(t+1),c2l(t+1)]t为t+1时刻预测模型第l个径向基层神经元的中心向量；σl(t+1)＝[σ1l(t+1),σ2l(t+1)]t为t+1时刻预测模型第l个径向基层神经元的宽度向量；i表示30维单位矩阵；j(t)表示t时刻预测误差的雅可比向量：
18、
19、其中为预测误差对权值的导数，为预测误差对中心的导数，为预测误差对宽度的导数；
20、(4)设计约束模型预测控制器
21、约束模型预测控制器的输入为溶解氧浓度的预测向量其中表示t+1时刻溶解氧浓度的预测值，表示t+2时刻溶解氧浓度的预测值；输出为氧传递系数u(t)，设计过程如下：
22、①利用预测模型预测
23、②设计具有输入输出约束的溶解氧浓度控制目标函数：
24、
25、约束条件为：
26、
27、40≤u(t)≤240 (7)其中j(t)表示t时刻的目标函数；r(t)＝[r(t),r(t+1),r(t+2)]t表示由控制目标确定的溶解氧浓度的设定值，r(t)表示t时刻溶解氧浓度的设定值，r(t+1)表示t+1时刻溶解氧浓度的设定值，r(t+2)表示t+2时刻溶解氧浓度的设定值；δu(t)＝u(t)-u(t-1)表示t时刻氧传递系数调整量，u(t)为t时刻氧传递系数；
28、③根据约束条件特点设计增广约束目标函数：
29、
30、其中表示t时刻的增广目标函数；max表示取最大值；表示t时刻溶解氧浓度的约束项，表示t时刻溶解氧浓度的上界约束函数，表示t时刻溶解氧浓度的下界约束函；δy表示溶解氧浓度约束项的惩罚参数，δy∈(0，10]；λy表示溶解氧浓度约束项的拉格朗日乘子，λy本文档来自技高网...
【技术保护点】
1.一种基于约束模型预测的城市污水处理过程溶解氧浓度控制方法，其特征在于：建立基于模糊神经网络的溶解氧浓度预测模型，校正预测模型参数，构造约束模型预测控制器，实现受约束限制的城市污水处理过程溶解氧浓度的稳定控制；包括以下步骤：
【技术特征摘要】
1.一种基于约束模型预测的城市污水处理过程溶解氧浓度控制方法，其特征在于：建立基于模糊神经网络的溶解氧浓度预测模型...
【专利技术属性】
技术研发人员：韩红桂，王岩，孙浩源，刘峥，乔俊飞，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。