专利名称：基于自组织径向基神经网络的溶解氧模型预测控制方法
技术领域：
本发明利用基于自组织径向基神经网络(S0RBFNN)的模型预测控制方法实现污水处理过程中溶解氧(DO)的控制，溶解氧(DO)的浓度直接决定了微生物的供养条件，对出水水质和能耗有着重要影响。污水处理过程中溶解氧(DO)的控制作为污水处理的重要环节，是先进制造技术领域的重要分支，既属于控制领域，又属于水处理领域。
背景技术：
随着国民经济的增长和公众环保意识的增强，污水处理自动化技术迎来了前所未有的发展机遇。国家中长期科技发展规划中提出要研究并推广高效、低能耗的污水处理新技术。因此，本发明的研究成果具有广阔的应用前景。溶解氧(DO)浓度是目前污水处理中应用最为广泛的运转控制参数，当溶解氧不足或过量时都会导致污泥生存环境恶化当氧气不足时，一方面由于好氧池中丝状菌会大量繁殖，最终产生污泥膨胀，发生异常工况；另一方面由于好氧菌的生长速率降低从而引起出水水质的下降。而氧气过量(即过量曝气)则会引起悬浮固体沉降性能变差，影响污水处理系统的正常运行。溶解氧的控制涉及到微生物的生长环境以及处理过程的能耗，因此，溶解氧控制一直是研究的重点。传统的开关控制或者PID控制，虽然是当前应用较为广泛的控制方法，但是由于氧气的溶解过程受入水水质、温度和PH值等方面的影响，具有高度非线性、强耦合性、时变、大滞后和不确定性等特点。采用传统的开关控制或者PID控制方法自适应能力较差，往往不能取得理想的控制效果。同时，由于污水处理过程具有滞后特性，精确表述控制变量与控制目标之间的关系十分困难。目前，污水处理过程模型结构复杂、待整定参数过多，可辨识性差，不能动态地反应出操作变量与控制目标之间的蕴含关系，无法用于在线控制。另夕卜，污水中污染物的数量多、含量各异，对检测是一大挑战。因此，必须寻求新的控制方法，以满足污水处理过程控制的需要。优良的控制可以节省污水处理运行费用，同时也是减少和应对异常工况发生、保障污水处理过程正常运行的关键。此外，通过提高污水处理过程自动化水平，还可以有效地减少运行管理和操作人员，降低运行费用。本发明设计了一种基于自组织径向基(SORBF)神经网络的模型预测控制方法，通过构建SORBF神经网络模型，利用模型预测的方法实现对污水处理过程中溶解氧(DO)的在线控制。
发明内容
本发明获得了一种溶解氧(DO)浓度的控制方法，该控制器基于自组织径向基(SORBF)神经网络，通过构建SORBF神经网络模型，分析污水处理过程，实时改变神经网络结构，同时利用模型预测的控制方法提高控制能力；解决了控制器根据环境自动调整的问题，通过控制污水处理过程中的曝气量从而达到控制DO浓度的目的；提高了污水处理过程中DO控制的精度，保障污水处理过程正常运行；
本发明采用了如下的技术方案及实现步骤1.基于SORBF神经网络的溶解氧DO模型预测控制方法的设计，其特征在于，包括以下步骤(I)确定控制对象；本发明主要针对序批式间歇活性污泥系统中溶解氧进行控制，以曝气量为控制量，溶解氧浓度为被控量；(2)设计用于污水处理过程中溶解氧DO模型预测控制方法的目标函数
权利要求
1.基于自组织径向基神经网络的溶解氧模型预测控制方法，其特征包括以下步骤 (1)确定控制对象；针对序批式间歇活性污泥系统中溶解氧进行控制，以曝气量为控制量，溶解氧浓度DO为被控量； (2)设计用于污水处理过程中溶解氧DO模型预测控制方法的目标函数；
全文摘要
基于自组织径向基神经网络的溶解氧模型预测控制方法既属于控制领域，又属于水处理领域。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，该控制方法通过自动调整神经网络结构，提高神经网络的处理能力，建立污水处理过程预测模型，利用模型预测控制方法进行控制，从而提高控制效果，能够快速、准确地使溶解氧达到期望要求；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能够快速、准确地控制溶解氧浓度，并具有较强的自适应能力，提高污水处理的质量和效率、降低污水处理成本，促进污水处理厂高效稳定运行。
文档编号G05B13/04GK103064290SQ20131000051
公开日2013年4月24日 申请日期2013年1月1日 优先权日2013年1月1日
发明者韩红桂, 伍小龙, 王丽丹, 乔俊飞 申请人:北京工业大学