[发明专利]一种基于RBF神经网络的溶解氧精确控制方法

摘要

一种基于RBF神经网络的溶解氧精确控制方法属于水处理领域，又属于智能控制领域。针对污水处理过程高度非线性、强耦合性、时变、大滞后和不确定性严重等特点，该控制方法通过调整神经网络结构，提高神经网络的处理能力，建立基于神经网络的预测模型和设计用于控制的神经网络控制器进行控制，能够提高控制的精度，稳定性；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拥有更好的动态响应能力，自适应能力，实现溶解氧DO浓度的精确控制，改善污水处理效果和降低能耗。

主权项

1.一种基于RBF神经网络的溶解氧精确控制方法，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)设计基于RBF神经网络的污水处理系统预测模型，预测模型RBF神经网络分为三层：输入层、隐含层和输出层；预测模型RBF神经网络输入为u(k)＝[u1(k),u2(k)]T，u2(k)＝u1(k‑1)，u1(k)为k时刻溶解氧DO浓度控制量，u1(k‑1)为k‑1时刻的溶氧DO浓度控制量，T为矩阵的转置；预测模型RBF神经网络输出为溶解氧DO浓度预测值；其计算方式如下：①初始化预测模型RBF神经网络：确定神经网络2‑P‑1的连接方式，即输入层神经元为2个，隐含层神经元为P个，P为大于2的正整数；输出层神经元为1个；预测模型RBF神经网络输入层到隐含层的连接权值为1，隐含层和输出层间的连接权值在[0,1]范围内进行随机赋值；神经网络的输出表示如下：其中，ym(k)为k时刻预测模型RBF神经网络的输出，即为k时刻的溶解氧DO浓度预测值；wj(k)为隐含层第j个神经元和输出层的连接权值，j＝1,2,…,P；fj是预测模型RBF神经网络隐含层第j个神经元的输出，其计算公式为：其中，μj(k)表示k时刻隐含层第j个神经元中心值，σj(k)表示k时刻隐含层第j个神经元的中心宽度；②定义预测模型RBF神经网络的性能指标Jm(k)em(k)＝y(k)‑ym(k)  (4)其中，y(k)为k时刻实际测量的溶解氧DO浓度值，em(k)为k时刻溶解氧DO浓度值的误差；③对预测模型RBF神经网络的参数进行更新wj(k+1)＝wj(k)‑ηΔwj(k)＝wj(k)+ηem(k)fj(u(k))(1‑y(k))y(k)  (6)其中，Δwj(k)为k时刻第j个隐含层神经元和输出层神经元连接权值的修正量，wj(k)为k时刻第j个隐含层神经元与输出层神经元的连接权值，wj(k+1)为k+1时刻第j个隐含层神经元与输出层神经元的连接权值，μj(k+1)表示k+1时刻隐含层第j个神经元中心值，σj(k+1)表示k+1时刻隐含层第j个神经元的中心宽度；η为学习率，η∈(0,1]；④判断当前时刻溶解氧DO预测的目标函数的大小，如果Jm(k)>0.01,则重复步骤③；如果Jm(k)<0.01，则转到步骤①计算预测模型RBF神经网络的输出ym(k)；(2)设计用于控制的RBF神经网络控制器；x(k)＝[x1(k),x2(k)]T为RBF神经网络控制器的输入，x1(k)为k时刻溶解氧DO浓度设定值与实际值的误差，x2(k)为k时刻溶解氧DO浓度设定值与实际值误差的变化率；①初始化RBF神经网络控制器：确定神经网络2‑M‑1的连接方式，即输入层神经元为2个，隐含层神经元为M个，M为大于2的正整数；输出层神经元为1个；RBF神经网络控制器输入层到隐含层的连接权值为1，隐含层和输出层间的连接权值在[0,1]范围内进行随机赋值；神经网络的输出表示如下：（9）其中，g(k)为k时刻RBF神经网络控制器的输出，即为k时刻的曝气量；wic(k)为RBF神经网络控制器隐含层第i个神经元和输出层的连接权值，i＝1,2,…,M；fi是RBF神经网络隐含层第i个神经元的输出，其计算公式为：其中，μic(k)表示k时刻RBF神经网络控制器隐含层第i个神经元中心值，σic(k)表示k时刻RBF神经网络控制器隐含层第i个神经元的中心宽度；②定义RBF神经网络控制器的指标Jc(k)e(k)＝r(k)‑y(k)  (12)其中，e(k)为k时刻溶解氧DO浓度的误差，r(k)为k时刻溶解氧DO浓度设定值，y(k)为k时刻实际测量的溶解氧DO浓度值；③对RBF神经网络控制器的参数进行更新其中，Δwic(k)为k时刻RBF神经网络控制器隐含层第i个神经元与输出层神经元连接权值的修正量，wic(k+1)为k+1时刻的RBF神经网络控制器隐含层第i神经元与输出层神经元的连接权值；μic(k+1)表示k+1时刻RBF神经网络控制器隐含层第i个神经元中心值，σic(k+1)表示k+1时刻RBF神经网络控制器隐含层第i个神经元的中心宽度；η1为学习率，η1∈(0,1]；④判断当前时刻溶解氧DO的目标函数的大小，如果Jc(k)>0.01,则重复步骤③；如果Jc(k)<0.01，则转到步骤①计算RBF神经网络控制器的输出g(k)；(3)利用求解出的g(k)对溶解氧DO进行控制，控制系统的输出为实际溶解氧DO的浓度值。