[发明专利]PID-RBF稳态估计与LSSVM软测量污水BOD控制方法

摘要

本发明针对污水处理生物需氧量(BOD)控制滞后问题，本发明提供了一种基于PID‑RBF稳态估计与最小二乘支持向量机(LSSVM)软测量的污水处理BOD控制方法，首先采用LSSVM对BOD进行软测量，通过采集PID控制下各种状态数据采集，用径向基RBF网络来学习拟合出各状态与该状态下的PID控制器稳态输出值的关系，然后采用训练后的RBF网络估计稳态输出和比例积分微分控制器相结合的方法进行BOD控制，当误差小于等于某预定值时，引入积分控制项，改善控制精度。本发明可以改善传统PID污水BOD控制滞后的缺点,有利于BOD的稳定控制。

主权项

1.一种基于PID‑RBF稳态估计与最小二乘支持向量机(LSSVM)软测量的污水处理BOD控制方法，其主要特征在于首先采用LSSVM对出水BOD进行软测量，利用RBF估计PID控制器在不同情况下的控制信号的稳态值，再与PID控制器结合在一起进行控制，控制过程分为三个阶段，阶段实现如下：阶段1建立BOD软测量模型，选取入水BOD、溶解氧DO、污泥浓度、反应时间构成输入向量变量x，测出水BOD值为输出y，设学习样本为LSSVM回归通过非线性映射Φ将数据映射到高维特征空间，再在高维特征空间进行线性回归：式中α_i∈R是Lagrange乘子，偏置b∈R，N为样本个数，K(x,x_i)为满足Mercer条件的核函数，可采用多种核函数如：径向基(RBF)核函数：K(x,x_i)＝exp(‑|x‑x_i|²/σ²)。其中σ为径向基宽度多项式核函数：K(x,x_i)＝(x^Tx_i+1)^u(u∈N)，u为指数Sigmoid函数：K(x,x_i)＝tanh(a(x^Tx_i)+c)(a,c∈R)，a，c为参数通过支持向量学习得软测量模型，从而对BOD进行软测量；具体步骤如下：Step1采集实际运行数据x_i和y_i，将x_i和y_i进行归一化处理；Step2将采集的数据中的70％作为训练样本，剩余30％作为测试样本，采用LSSVM算法进行训练，通过网格优化法对不同模型参数(惩罚系数C、核函数参数)对模型进行学习和交叉验证测试，得到最佳LSSVM软测量模型；阶段2：先采用LSSVM模型对出水BOD进行软测量，并采用传统的PID控制器进行污水处理BOD控制，采集在不同状态时污水处理BOD控制状态数据x_bi＝(B*,B_I,E,U)，包括出水BOD给定当前值B*，入水BOD当前值B_I，出水BOD给定与出水BOD当前软测量值的误差E，当前控制输出U以及各状态对应的PID控制器的稳态输出值y_bi，用RBF来拟合出各状态与该状态下的PID控制器稳态输出值的关系；正则化径向基函数神经网络由单隐层前向网络组成，其中隐层单元输出R_i(x)定义为：式中c_i为径向基中心，σ_i为宽度系数，其网络输出：M为RBF隐含节点的个数，w_i为隐层单元到网络输出的权值，由N个样本采用模糊C均值(FCM)聚类，聚类中心作为径向基中心c_i，径向基宽度系数由每个聚类中样本方差确定：式中M_i为属于所选取聚类中心c_i的样本x_bj的个数，权值训练算法采用最小二乘法：式中w＝(w₁…w_M)^T,Y＝(y_b1…y_bN)^T，N为样本个数，具体步骤如下：Step1采集实际运行数据x_bi和y_bi，将x_bi和y_bi进行归一化处理；Step2采用FCM算法进行聚类，依据经验确定初始聚类个数，依次增加聚类个数，当聚类指标J不再明显改变时，此时的聚类个数为最佳个数M，根据聚类中心确定相应的c_i、σ_i，权值训练算法采用最小二乘法，最后得到RBF网络模型；阶段3：将训练好的LSSVM软测量和RBF网络用于污水处理BOD控制，实时采集过程状态数据x、x_b，归一化后x带入LSSVM模型得到出水BOD软测量值，x_b带入RBF模型得到控制器稳态输出估计值，根据误差E的大小选择不同的控制器，当E>ε时采用PD控制，当E≤ε时采用PID控制，ε为预先确定的正数，最后叠加稳态估计值形成控制输出：U＝U_PID+U_W                                        (8)其中P为比例系数，T_I为积分系数，T_d为微分系数，与阶段2相同，ΔE为当前误差与前次误差差值，U为输出控制值，U_max和U_min分别为输出的最大和最小限幅值。采用PID控制的目的是能对一些小扰动随时调节，提高控制的稳态精度。