[发明专利]一种基于知识的鲁棒型出水氨氮软测量方法

说明书

本发明提出一种基于知识的鲁棒型出水氨氮软测量方法，属于污水处理领域。由于城市污水处理过程机理复杂、不确定干扰严重，当前出水氨氮浓度检测困难且难以建立精确的数学模型，迫切需要研究一种鲁棒型软测量方法。本发明利用基于建模误差概率密度函数分布的模糊神经网络建立了出水氨氮浓度的软测量模型：首先构建基于建模误差概率密度函数分布的鲁棒性准则；然后基于自适应梯度下降算法调整模糊神经网络的参数，直到模型满足处理信息的需求。本发明实现对出水氨氮浓度的准确测量，有助于提升城市污水处理过程出水氨氮浓度的监控水平，是污水处理过程稳定、高效运行的必要保障。

技术领域

本发明利用基于建模误差概率密度函数分布的模糊神经网络建立城市污水处理过程出水氨氮浓度的软测量模型，实现对城市污水处理过程出水氨氮浓度的实时测量；出水氨氮的浓度反映了污水处理过程中含氮污染物的去除效果，其准确测量对于城市污水处理过程的运行监控十分重要，是城市污水处理过程实现稳定高效运行的必要保障。本发明既属于污水处理领域，又属于检测技术领域。

背景技术

随着由氮磷污染引起的城市水体富营养化问题日益严重，国家对城市污水处理过程氮磷的排放要求及相关法规也日趋严格。城市污水处理厂被用来去除城市污水中的有机污染物以及减少氮磷的排放，对于防治水污染以及改善城市水环境至关重要。其中，出水水质指标的准确测量是城市污水处理过程维持稳定高效运行以保证出水水质稳定达标的必要保障。因此，本发明具有广阔的应用前景。

出水氨氮的浓度，作为污水处理过程的关键出水水质指标之一，反映了污水处理过程的含氮污染物的去除效果，其实时准确测量有助于提升污水处理过程运行监控的水平。然而，由于城市污水处理过程的入水流量、入水污染物成分等不确定性波动大，以及复杂的生物化学反应过程，使出水氨氮浓度测量困难且无法建立合适的机理模型。目前出水氨氮浓度的测量方法主要为实验室分析法和仪表检测法。这两种测量方法都是基于化学分析的原理，耗时较长，滞后于污水处理过程，不能及时传输信息；同时由于化学分析采样的随机性，检测易受干扰，难以保证测量的准确性；另一方面检测仪表的价格及维护成本较高，难以推广应用。近年来，软测量技术，通过选取与待测主变量关联密切且容易测量的辅助变量建立模型预测难以测量的主变量，被广泛应用于城市污水处理过程水质参数的测量，其中以神经网络作为软测量工具的方法研究最为活跃。模型辨识是软测量的核心，但是，常用的软测量模型是基于最小化均方误差(MSE)准则进行参数辨识，当过程数据包含非零均值噪声时，基于MSE的测量明显有偏差且易受异常值干扰。因此，研究一种鲁棒型软测量方法解决城市污水处理过程中出水氨氮浓度的实时准确测量，具有广阔的应用前景和重要的现实意义。

本发明涉及一种鲁棒型出水氨氮浓度软测量方法，该方法结合机理知识与经验知识选取易测辅助变量，利用模糊神经网络构建基于知识的软测量模型，通过优化建模误差PDF的形状实现模型参数的调整，充分考虑了建模误差的空间分布能够获取更多的统计信息，有效的提高了软测量模型处理不确定信息的能力，实现了对城市污水处理过程出水氨氮浓度的快速准确测量，提高了出水氨氮浓度软测量模型的鲁棒性。

发明内容

针对现有方法存在的不足，本发明提出一种基于知识的鲁棒型出水氨氮软测量方法。该方法利用城市污水处理过程的机理知识与经验知识，选取与出水氨氮浓度密切相关的易测辅助变量，通过构造模糊神经网络实现辅助变量与出水氨氮之间的映射；设计了基于建模误差PDF性能指标的自适应梯度下降算法，根据城市污水处理过程采集的数据自适应调整模糊神经网络参数，实现对出水氨氮浓度的实时检测，解决污水出水氨氮浓度难以测量的问题，提高了软测量方法的鲁棒性。

本发明采用了如下的技术方案及实现步骤：

1、一种基于知识的鲁棒型出水氨氮软测量方法，其特征在于，包括如下步骤：

步骤1：特征变量的选取