[发明专利]一种基于自适应模糊神经网络的溶解氧模型预测控制方法

说明书

本发明提出了一种基于自适应模糊神经网络溶解氧模型预测控制方法，实现了污水处理过程中溶解氧DO浓度精确在线控制。针对污水处理过程中具有不确定性、非线性、强耦合性，无法建立精确的数学模型，溶解氧DO浓度难以控制的特点，该控制方法通过自适应地调整神经网络参数，提高神经网络的处理能力，建立基于模糊神经网络的预测模型和设计利用模型预测控制方法进行控制，能够提高控制的效果；解决了当前基于开关控制和PID控制自适应能力较差的问题。实验结果表明该方法具有较好的自适应能力，能够达到溶解氧DO浓度的精确在线控制的目的，提高污水处理的效果、降低了能耗。

技术领域

本发明利用基于自适应模糊神经网络的模型预测控制方法实现污水处理过程中溶解氧DO浓度的控制，溶解氧DO浓度的控制效果直接影响到污水处理厂的出水水质和运行能耗的问题。污水处理系统中溶解氧DO浓度精确在线控制既能够提高污水处理效果，又能够降低运行能耗和成本。溶解氧DO浓度的精确在线控制既属于水处理领域，又属于智能控制领域。

背景技术

近些年来，水资源短缺的问题日益严峻，与此同时，水质恶劣，水体富营养化现象频繁发生。中国环境保护部发布的《2017年中国环境状况公报》指出，全国地表水中，IV～劣V类累计占比达到30％，近十分之一的劣于V类水体丧失水体使用功能；112个重要湖泊中，IV～劣V类累计占比达到34％，108个监测营养状态的湖库中，24.6％的重点湖库呈富营养状态，三分之一湖库水质不达标，并且水质被污染的程度还在不断加剧。如何获取清洁且安全健康的水资源；如何及时有效处理污水并再次利用，成为当今社会急需解决的问题。因此，污水处理技术迎来了前所未有的发展机遇。研究污水处理过程运行控制技术，在保证精确控制的前提下，实现污水处理厂出水水质达标，降低能耗，以及控制运行高效稳定是未来污水处理厂的必然发展趋势。

目前，溶解氧DO浓度的控制是污水处理工艺中最为广泛应用的方法，溶解氧DO浓度直接影响到微生物的生长环境以及污水处理过程中污染物去除和有机物降解的效果，同时，对污水处理厂提高出水水质和降低运行成本都起到了重要作用，因此溶解氧DO浓度的控制是污水处理过程中的重点。

溶解氧DO浓度的传统控制方法主要是采用PID控制，在保持系统三个环节参数不变的情况下，实现溶解氧DO浓度的控制，然而，污水处理过程是一个具有非线性、不确定性、时变性的复杂过程，PID控制器需要大量的经验数据，无法实现有效的控制。因此，寻求一种高效精确的方法将其应用于污水处理过程溶解氧DO浓度控制成为亟待解决的问题；模糊神经网络具有较强的学习和不确定性处理能力，以及抗干扰能力；基于自适应模糊神经网络的模型预测控制方法能够实现对污水处理过程中溶解氧DO浓度的在线控制，提高了控制的精度，同时保障了出水水质和降低了消耗，保障污水处理过程能够高效稳定地运行。

本发明设计了一种基于自适应模糊神经网络的溶解氧模型预测控制方法，通过构建自适应模糊神经网络模型，利用模型预测控制的方法实现溶解氧DO浓度的精确在线控制。

发明内容

本发明获得了一种基于自适应模糊神经网络的溶解氧模型预测控制方法，该控制器是基于自适应模糊神经网络，构建污水处理过程模型，实时改变神经网络参数，同时利用模型预测控制方法达到精确在线控制溶解氧DO浓度的目的；解决了控制器根据环境自动调整的问题；提高了溶解氧DO浓度在线控制的精度；降低了运行能耗；

本发明采用了如下的技术方案及实现步骤：

1.一种基于自适应模糊神经网络的溶解氧DO模型预测控制方法，

针对序批式间歇活性污泥系统中溶解氧DO浓度进行控制，以鼓风机曝气量和内回流量为控制量，溶解氧DO浓度为被控量；

其特征在于，包括以下步骤：

(1)设计用于污水处理过程中溶解氧DO浓度模型预测控制方法的目标函数：