一种基于多任务约束的污水处理过程优化控制方法

1.本发明在污水处理过程运行特性的分析基础上，设计一种基于多任务约束的污水处理过程优化控制方法，其中，建立多任务约束的污水处理过程优化目标模型，研究基于自适应罚函数的污水处理过程多任务约束优化设定方法，并设计控制器实现多任务优化设定值的跟踪控制，促进污水处理过程生物脱氮任务和生物除磷任务的并行优化。这种基于多任务约束的污水处理过程多任务优化控制方法，属于水处理领域。


背景技术：

[0002][0003]
在城市污水处理过程中，脱氮和除磷过程是两个相互影响且相互制约的任务，这两个任务具有不同的优化运行需求、不同的运行约束条件和多种相互冲突的优化目标。因此，如何设计一种多任务约束优化控制策略实现脱氮任务和除磷任务的并行优化是实现污水处理过程优化运行的关键。建立污水处理过程多任务约束优化目标模型，对精确描述污水处理过程不同任务的优化目标和约束条件具有重要的意义；同时，如何在具有出水水质约束的脱氮任务和除磷任务之间迁移知识，促进多个任务并行优化，获得优化设定值是实现污水处理过程约束多任务优化运行的关键问题；因此，设计合理的约束多任务优化控制方法，实现脱氮任务和除磷任务并行优化，获取溶解氧、硝态氮、甲醇流量和聚合氯化铝流量优化设定值，并进行跟踪控制是污水处理过程的稳定高效运行的关键。
[0004]
本发明设计了一种基于多任务约束的污水处理过程优化控制方法，主要建立了多任务约束的污水处理过程优化目标模型，设计了基于自适应罚函数的污水处理过程多任务约束优化设定方法，并设计了控制器实现多任务优化设定值的跟踪控制，促进污水处理过程生物脱氮任务和生物除磷任务的并行优化。


技术实现要素：

[0005]
本发明获得了一种基于多任务约束的污水处理过程优化控制方法，该方法建立了污水处理过程多任务约束优化模型，获得具有出水水质约束的脱氮任务和除磷任务优化目标函数，设计基于自适应罚函数的污水处理过程多任务约束优化设定方法求解污水处理过程优化设定值，并设计控制器对优化设定值进行跟踪控制，从而实现污水处理过程多任务约束优化控制。
[0006]
本发明采用了如下的技术方案及实现步骤：
[0007]
1.一种基于多任务约束的污水处理过程优化控制方法，其特征在于，建立多任务约束的污水处理过程优化目标模型，研究基于自适应罚函数的污水处理过程多任务约束优化设定方法，并设计控制器实现多任务优化设定值的跟踪控制，促进污水处理过程生物脱氮任务和生物除磷任务的并行优化，包括以下步骤：
[0008]
(1)建立多任务约束的污水处理过程优化目标模型
[0009]
污水处理过程的多任务约束优化目标模型通过自适应核函数来描述生物脱氮任
务和生物除磷任务的优化目标；生物脱氮任务的约束优化目标模型为
[0010][0011]
其中，f1(xn(t))是t时刻污水处理过程生物脱氮任务的约束优化目标能耗模型， xn(t)＝[so(t)，s
no
(t)，mf(t)，s
nh
(t)]是t时刻脱氮任务优化模型的输入变量，ωn是脱氮任务优化目标模型的决策空间，so(t)是t时刻的好氧末端溶解氧浓度且取值范围为[0.4，3]，单位毫克/升，s
no
(t)是t时刻的厌氧末端硝态氮浓度且取值范围为[0.3，2]，单位毫克/升，mf(t)是t时刻的甲醇流量且取值范围为[60，400]，单位升/小时，s
nh
(t)是t时刻的出水氨氮浓度且取值范围为[0，2.5]，单位毫克/升， a1(t)是t时刻污水处理过程脱氮任务能耗模型的输出偏移且取值范围为[-2，2]， w
1,a
(t)是t时刻污水处理过程脱氮任务能耗模型第a个自适应核函数的权值且取值范围为[-3，3]，c
1,a
(t)＝[c
1,a,1
(t)，c
1,a,2
(t)，c
1,a,3
(t)，c
1,a,4
(t)]
t
是t时刻污水处理过程脱氮任务能耗模型第a个自适应核函数的中心向量，c
1,a,1
(t)是t时刻污水处理过程脱氮任务能耗模型第a个自适应核函数的第一维中心且其取值范围为[-1，1]， c
1,a,2
(t)是t时刻污水处理过程脱氮任务能耗模型第a个自适应核函数的第二维中心且其取值范围为[-1，1]，c
1,a,3
(t)是t时刻污水处理过程脱氮任务能耗模型第a个自适应核函数的第三维中心且其取值范围为[-1，1]，c
1,a,4
(t)是t时刻污水处理过程脱氮任务能耗模型第a个自适应核函数的第四维中心且其取值范围为[-1，1]，t 是向量或矩阵的转置，σ
1,a
(t)是t时刻脱氮任务能耗模型第a个自适应核函数的宽度且取值范围为[0，2]；fn(xn(t))是t时刻污水处理过程脱氮任务的约束条件出水总氮
[0012][0013]
其中，a2(t)是t时刻污水处理过程脱氮任务出水总氮模型的输出偏移且取值范围为[-2，2]，w
2,a
(t)是t时刻污水处理过程脱氮任务出水总氮模型第a个自适应核函数的权值且取值范围为[-3，3]，c
2,a
(t)＝[c
2,a,1
(t)，c
2,a,2
(t)，c
2,a,3
(t)，c
2,a,4
(t)]
t
是t时刻污水处理过程脱氮任务出水总氮模型第a个自适应核函数的中心向量， c
2,a,1
(t)是t时刻污水处理过程脱氮任务出水总氮模型第a个自适应核函数的第一维中心且其取值范围为[-1，1]，c
2,a,2
(t)是t时刻污水处理过程脱氮任务出水总氮模型第a个自适应核函数的第二维中心且其取值范围为[-1，1]，c
2,a,3
(t)是t时刻污水处理过程脱氮任务出水总氮模型第a个自适应核函数的第三维中心且其取值范围为[-1，1]，c
2,a,4
(t)是t时刻污水处理过程脱氮任务出水总氮模型第a个自适应核函数的第四维中心且其取值范围为[-1，1]，σ
2,a
(t)是t时刻脱氮任务出水总氮模型第a个自适应核函数的宽度且取值范围为[0，2]；
[0014]
污水处理过程脱氮任务约束优化模型参数更新：
[0015][0016]
其中，a(t)＝[a1(t)，a2(t)，w
1,a
(t)，w
2,a
(t)，c
1,a,1
(t)，c
1,a,2
(t)，c
1,a,3
(t)，c
1,a,4
(t)， c
2,a,1
(t)，c
2,a,2
(t)，c
2,a,3
(t)，c
2,a,4
(t)，σ
1,a
(t)，σ
2,a
(t)]是t时刻污水处理过程脱氮任
务约束优化模型的参数；α1是污水处理过程脱氮任务约束优化模型参数的学习率且取值范围为[0，1]；e
1u
(t)＝y1(t)-y
1u
(t)是t时刻污水处理过程脱氮任务约束优化模型的预测误差，y1(t)是t时刻污水处理过程脱氮任务约束优化模型的输出， y
1u
(t)＝[ecn(t)，tn(t)]是t时刻污水处理过程脱氮任务的实际输出值，ec(t)是t 时刻污水处理过程脱氮任务的实际能耗值，tn(t)是t时刻污水处理过程的实际出水总氮值；
[0017]
生物除磷任务的约束优化目标模型为
[0018][0019]
其中，f2(x
p
(t))是t时刻污水处理过程生物除磷任务的约束优化目标能耗模型， x
p
(t)＝[so(t)，s
no
(t)，m
p
(t)，mlss(t)]是t时刻除磷任务优化模型的输入变量，ω
p
是除磷任务优化目标模型的决策空间，m
p
(t)是t时刻的聚合氯化铝流量且取值范围为[0，108]，单位升/小时，mlss(t)是t时刻的出水混合悬浮物浓度且取值范围为 [0，100]，单位毫克/升，b1(t)是t时刻污水处理过程除磷任务能耗模型的输出偏移且取值范围为[-2，2]，w
1,b
(t)是t时刻污水处理过程除磷任务能耗模型第b个自适应核函数的权值且取值范围为[-3，3]，c
1,b
(t)＝[c
1,b,1
(t)，c
1,b,2
(t)，c
1,b,3
(t)， c
1,b,4
(t)]
t
是t时刻污水处理过程除磷任务能耗模型第b个自适应核函数的中心向量， c
1,b,1
(t)是t时刻污水处理过程除磷任务能耗模型第b个自适应核函数的第一维中心且其取值范围为[-1，1]，c
1,b,2
(t)是t时刻污水处理过程除磷任务能耗模型第b个自适应核函数的第二维中心且其取值范围为[-1，1]，c
1,b,3
(t)是t时刻污水处理过程除磷任务能耗模型第b个自适应核函数的第三维中心且其取值范围为[-1，1]， c
1,b,4
(t)是t时刻污水处理过程除磷任务能耗模型第b个自适应核函数的第四维中心且其取值范围为[-1，1]，σ
1,b
(t)是t时刻除磷任务能耗模型第b个自适应核函数的宽度且取值范围为[0，2]；f
tp
(x
p
(t))是t时刻污水处理过程除磷任务的约束条件出水总磷
[0020][0021]
其中，b2(t)是t时刻污水处理过程除磷任务出水总磷模型的输出偏移且取值范围为[-2，2]，w
2,b
(t)是t时刻污水处理过程除磷任务出水总磷模型第b个自适应核函数的权值且取值范围为[-3，3]，c
2,b
(t)＝[c
2,b,1
(t)，c
2,b,2
(t)，c
2,b,3
(t)，c
2,b,4
(t)]
t
是t时刻污水处理过程除磷任务出水总磷模型第b个自适应核函数的中心向量， c
1,b,1
(t)是t时刻污水处理过程除磷任务出水总磷模型第b个自适应核函数的第一维中心且其取值范围为[-1，1]，c
1,b,2
(t)是t时刻污水处理过程除磷任务出水总磷模型第b个自适应核函数的第二维中心且其取值范围为[-1，1]，c
1,b,3
(t)是t时刻污水处理过程除磷任务出水总磷模型第b个自适应核函数的第三维中心且其取值范围为[-1，1]，c
1,b,4
(t)是t时刻污水处理过程除磷任务出水总磷模型第b个自适应核函数的第四维中心且其取值范围为[-1，1]，σ
2,b
(t)是t时刻除磷任务出水总磷模型第b个自适应核函数的宽度且取值范围为[0，2]；
[0022]
污水处理过程除磷任务约束优化模型参数更新：
[0023][0024]
其中，b(t)＝[b1(t)，b2(t)，w
1,b
(t)，w
2,b
(t)，c
1,b,1
(t)，c
1,b,2
(t)，c
1,b,3
(t)，c
1,b,4
(t)， c
2,b,1
(t)，c
2,b,2
(t)，c
2,b,3
(t)，c
2,b,4
(t)，σ
1,b
(t)，σ
2,b
(t)]是t时刻污水处理过程除磷任务约束优化模型的参数；α2是污水处理过程除磷任务约束优化模型参数的学习率且取值范围为[0，1]；e
2u
(t)＝y2(t)-y
2u
(t)是t时刻污水处理过程除磷任务约束优化模型的预测误差，y2(t)是t时刻污水处理过程除磷任务约束优化模型的输出， y
2u
(t)＝[ec
p
(t)，tp(t)]是t时刻污水处理过程除磷任务的实际输出值，ec(t)是t 时刻污水处理过程除磷任务的实际能耗值，tp(t)是t时刻污水处理过程的实际出水总磷值；
[0025]
(2)多任务约束的污水处理过程优化设定值求解
[0026]
设计基于自适应罚函数的约束多任务粒子群算法求解污水处理过程优化设定值，同时考虑适应度值和约束违反程度，获取多任务优化设定值；
[0027]
①
设置多任务粒子群优化过程每个任务的粒子群规模为100、任务数为2、总迭代次数为1000，初始化外部档案库θ
t
(0)为空集，随机初始化粒子的位置、速度和技能因子，将污水处理过程多任务约束优化目标模型f(x(t))＝[f1(xn(t))， f2(x
p
(t))]作为多任务粒子群优化算法的优化目标，在约束条件下对f(x(t))进行最小化求解，进化将从第1代开始，将t时刻第1代的粒子位置信息作为输入；
[0028]
②
按照技能因子将粒子划分到不同的群组中，并对粒子进行适应度排序；
[0029]
③
计算约束违反程度为
[0030][0031]
其中，g1(x
n,t
(τ))是t时刻第τ次迭代脱氮任务的约束违反程度，g2(x
p,t
(τ)) 是t时刻第τ次迭代除磷任务的约束违反程度，
[0032]
设计第i个粒子的自适应罚函数为
[0033][0034]
其中，pk(x
ik,t
(τ))是t时刻第τ次迭代第k个任务第i个粒子的罚函数，k＝1 或2，x
ik,t
(τ)是t时刻第τ次迭代第k个任务第i个粒子的位置，i＝1，2，
…
， 100，β
t
(τ)是t时刻第τ次迭代可行解的概率，即可行解的个数除以总体数；
[0035]
计算第i个粒子的适应度值为
[0036][0037]
其中，是t时刻第τ次迭代第k个任务第i个粒子的适应度值；
[0038]
粒子速度更新公式为：
[0039][0040]
其中，v
ik,t
(τ)是t时刻第τ次迭代第k个任务第i个粒子的速度，p
ik,t
(τ) 是t时刻第
τ次迭代第k个任务第i个粒子的个体最优位置，p
gk,t
(τ)是t时刻第τ次迭代第k个任务的全局最优位置，是t时刻第τ次迭代第k个任务的知识迁移项，r1是个体经验随机向量且其元素取值范围均为[0，1]，r2是社会经验随机向量且其元素取值范围均为[0，1]，r3是知识迁移项随机向量且其元素取值范围均为[0，1]；
[0041]
粒子位置更新公式为：
[0042][0043]
其中，x
ik,t
(τ+1)是在t时刻第τ+1次迭代第k个任务第i个粒子的位置；
[0044]
④
将t时刻第τ次迭代第k个任务的个体最优位置与t时刻第τ-1 次迭代第k个任务的档案库θ
k,t
(τ-1)中的解进行比较，θ
k,t
(τ-1)＝[θ
k,1,t
(τ-1)，θ
k,2,t
(τ-1)，
…
，θ
k,n,t
(τ-1)，
…
，θ
k,100,t
(τ-1)]，θ
k,n,t
(τ-1)是t时刻第τ-1 次迭代的档案库中第n个最优解，n＝1，2，
…
，100；f(θ
k,n,t
(τ-1))是θ
k,n,t
(τ-1) 的适应度向量，是的适应度向量，如果适应度向量，如果则将保存到档案库中，生成新的第τ代档案库θ
k,t
(τ)；如果(τ)；如果则第τ代档案库θ
k,t
(τ)与第τ-1代档案库θ
k,t
(τ-1)相同；
[0045]
⑤
判断是否停止迭代：若当前迭代次数τ≥1000，则终止迭代过程并转到步骤
⑥
，否则，迭代次数τ增大1，并返回步骤
②
；
[0046]
⑥
在档案库θ
1,t
(1000)和θ
2,t
(1000)中选择前两维相同的解作为t时刻的优化设定值，是t时刻脱氮任务优化设定值，是t时刻脱氮任务优化设定值，是t时刻除磷任务优化设定值，是t时刻溶解氧优化设定值，是t时刻硝态氮优化设定值，是t时刻甲醇流量的设定值，是聚合氯化铝流量设定值；
[0047]
(3)污水处理过程多任务优化设定值跟踪控制
[0048]
设计控制器对脱氮任务优化设定值和除磷任务设定值进行跟踪控制，调整溶解氧传递系数、内回流量、甲醇加药泵阀门与聚合氯化铝加药泵阀门，实现污水处理过程生物脱氮和除磷的多任务约束优化控制；设计控制器对多任务优化设定值进行跟踪控制：
[0049][0050]
其中，δu(t)＝[δqa(t)，δk
l
a(t)，δkf(t)，δk
p
(t)]
t
是操作变量矩阵，δqa(t) 是污水处理内循环流量的变化量，δk
l
a(t)是第五分区氧传递系数的变化量，δkf(t) 是甲醇加药泵阀门开度变化量，δk
p
(t)是聚合氯化铝加药泵阀门开度变化量； e(t)＝u
*
(t)-u(t)是t时刻的控制误差，是t 时刻的优化设定值u(t)＝[s
no
(t)，so(t)，mf(t)，m
p
(t)]
t
是t时刻的实际输出值；
[0051]
调整溶解氧传递系数、内回流量、甲醇加药泵阀门开度和聚合氯化铝加药泵阀门开度：
[0052]kl
a(t+1)＝k
l
a(t)+δk
l
a(t)
ꢀꢀꢀꢀ
(13)
[0053]
qa(t+1)＝qa(t)+δqa(t)
ꢀꢀꢀꢀ
(14)
[0054]
kf(t+1)＝kf(t)+δkf(t)
ꢀꢀꢀꢀ
(15)
[0055]kp
(t+1)＝k
p
(t)+δk
p
(t)
ꢀꢀꢀꢀ
(16)
[0056]
其中，k
l
a(t)是t时刻的溶解氧传递系数，qa(t)是t时刻的内回流量，kf(t) 是t时刻的甲醇加药泵阀门开度，k
p
(t)是t时刻的聚合氯化铝加药泵阀门开度；利用变频器调整供氧泵与回流泵的频率，利用电子阀门的电位器调整甲醇和聚合氯化铝的加药泵阀门开度，则溶解氧浓度将被调整至硝态氮浓度将被调整至硝态氮浓度将被调整至甲醇流量将被调整至聚合氯化铝流量将被调整至至此，实现了污水处理过程生物脱氮和除磷的多任务约束优化控制。
[0057]
本发明的创造性主要体现在：
[0058]
(1)本发明针对污水处理过程生物脱氮和除磷过程的多任务约束优化控制问题，构建了污水处理过程多任务约束优化模型，设计了基于自适应罚函数的污水处理过程多任务优化控制方法，获取溶解氧、硝态氮、甲醇流量和聚合氯化铝流量优化设定值并进行跟踪控制，该方法实现了脱氮任务和除磷任务的约束优化，完成了污水处理过程多任务约束优化控制。
[0059]
(2)本发明设计基于自适应罚函数的污水处理过程多任务约束优化控制方法对污水处理过程溶解氧、硝态氮、甲醇流量和聚合氯化铝流量进行优化控制，该方法同时考虑适应度值和约束违反程度，将约束条件考虑在目标中，促进脱氮任务和除磷任务的并行优化，进而获取污水处理过程优化设定值，并设计多任务控制器对优化设定值进行跟踪控制，获得更好的控制效果。
附图说明
[0060]
图1是本发明优化控制方法的溶解氧跟踪控制结果图
[0061]
图2是本发明优化控制方法的硝态氮跟踪控制结果图
[0062]
图3是本发明优化控制方法的甲醇流量跟踪控制结果图
[0063]
图4是本发明优化控制方法的聚合氯化铝流量跟踪控制结果图
具体实施方式
[0064]
本发明采用了如下的技术方案及实现步骤：
[0065]
1.一种基于多任务约束的污水处理过程优化控制方法，其特征在于，建立多任务约束的污水处理过程优化目标模型，研究基于自适应罚函数的污水处理过程多任务约束优化设定方法，并设计控制器实现多任务优化设定值的跟踪控制，促进污水处理过程生物脱氮任务和生物除磷任务的并行优化，包括以下步骤：
[0066]
(1)建立多任务约束的污水处理过程优化目标模型
[0067]
污水处理过程的多任务约束优化目标模型通过自适应核函数来描述生物脱氮任务和生物除磷任务的优化目标；生物脱氮任务的约束优化目标模型为
[0068][0069]
其中，f1(xn(t))是t时刻污水处理过程生物脱氮任务的约束优化目标能耗模型， xn(t)＝[so(t)，s
no
(t)，mf(t)，s
nh
(t)]是t时刻脱氮任务优化模型的输入变量，ωn是脱氮任务优化目标模型的决策空间，so(t)是t时刻的好氧末端溶解氧浓度且取值范围为[0.4，3]，单位毫克/升，so(0)＝1.5毫克/升，s
no
(t)是t时刻的厌氧末端硝态氮浓度且取值范围为[0.3，2]，单位毫克/升，s
no
(0)＝1毫克/升，mf(t)是t时刻的甲醇流量且取值范围为[60，400]，单位升/小时，mf(0)＝100升/小时，s
nh
(t)是t 时刻的出水氨氮浓度且取值范围为[0，2.5]，单位毫克/升，s
nh
(0)＝2.3毫克/升，a1(t)是t时刻污水处理过程脱氮任务能耗模型的输出偏移且取值范围为[-2，2]，a1(0)＝-1.21，w
1,a
(t)是t时刻污水处理过程脱氮任务能耗模型第a个自适应核函数的权值且取值范围为[-3，3]，w
1,a
(0)＝1.8，c
1,a
(t)＝[c
1,a,1
(t)，c
1,a,2
(t)，c
1,a,3
(t)， c
1,a,4
(t)]
t
是t时刻污水处理过程脱氮任务能耗模型第a个自适应核函数的中心且其元素取值范围均为[-1，1]，c
1,a
(0)＝[0.68，0.51，0.34，0.21]
t
，t是向量或矩阵的转置，σ
1,a
(t)是t时刻脱氮任务能耗模型第a个自适应核函数的宽度且取值范围为[0，2]，σ
1,a
(0)＝1.69；fn(xn(t))是t时刻污水处理过程脱氮任务的约束条件出水总氮
[0070][0071]
其中，a2(t)是t时刻污水处理过程脱氮任务出水总氮模型的输出偏移且取值范围为[-2，2]，a2(0)＝-0.97，w
2,a
(t)是t时刻污水处理过程脱氮任务出水总氮模型第a个自适应核函数的权值且取值范围为[-3，3]，w
2,a
(0)＝1.51，c
2,a
(t)＝[c
2,a,1
(t)， c
2,a,2
(t)，c
2,a,3
(t)，c
2,a,4
(t)]
t
是t时刻污水处理过程脱氮任务出水总氮模型第a个自适应核函数的中心且其元素取值范围均为[-1，1]，c
2,a
(0)＝[-0.27，0.75，0.34， 0.87]
t
，σ
2,a
(t)是t时刻脱氮任务出水总氮模型第a个自适应核函数的宽度且取值范围为[0，2]，σ
2,a
(0)＝0.64；
[0072]
污水处理过程脱氮任务约束优化模型参数更新：
[0073][0074]
其中，a(t)＝[a1(t)，a2(t)，w
1,a
(t)，w
2,a
(t)，c
1,a,1
(t)，c
1,a,2
(t)，c
1,a,3
(t)，c
1,a,4
(t)， c
2,a,1
(t)，c
2,a,2
(t)，c
2,a,3
(t)，c
2,a,4
(t)，σ
1,a
(t)，σ
2,a
(t)]是t时刻污水处理过程脱氮任务约束优化模型的参数；α1是污水处理过程脱氮任务约束优化模型参数的学习率且取值范围为[0，1]；e
1u
(t)＝y1(t)-y
1u
(t)是t时刻污水处理过程脱氮任务约束优化模型的预测误差，y1(t)是t时刻污水处理过程脱氮任务约束优化模型的输出， y
1u
(t)＝[ecn(t)，tn(t)]是t时刻污水处理过程脱氮任务的实际输出值，ec(t)是t 时刻污水处理过程脱氮任务的实际能耗值，tn(t)是t时刻污水处理过程的实际出水总氮值；
[0075]
生物除磷任务的约束优化目标模型为
[0076][0077]
其中，f2(x
p
(t))是t时刻污水处理过程生物除磷任务的约束优化目标能耗模型， x
p
(t)＝[so(t)，s
no
(t)，m
p
(t)，mlss(t)]是t时刻除磷任务优化模型的输入变量，ω
p
是除磷任务优化目标模型的决策空间，m
p
(t)是t时刻的聚合氯化铝流量且取值范围为[0，108]，单位升/小时，m
p
(0)＝50升/小时，mlss(t)是t时刻的出水混合悬浮物浓度且取值范围为[0，100]，单位毫克/升，mlss(0)＝15毫克/升，b1(t)是t时刻污水处理过程除磷任务能耗模型的输出偏移且取值范围为[-2，2]，b1(0)＝-0.97， w
1,b
(t)是t时刻污水处理过程除磷任务能耗模型第b个自适应核函数的权值且取值范围为[-3，3]，w
1,b
(0)＝1.75，c
1,b
(t)＝[c
1,b,1
(t)，c
1,b,2
(t)，c
1,b,3
(t)，c
1,b,4
(t)]
t
是t 时刻污水处理过程除磷任务能耗模型第b个自适应核函数的中心且其元素取值范围均为[-1，1]，c
1,b
(0)＝[0.74，0.58，-0.84，-0.42]
t
，σ
1,b
(t)是t时刻除磷任务能耗模型第b个自适应核函数的宽度且取值范围为[0，2]，σ
1,b
(0)＝1.52；f
tp
(x
p
(t)) 是t时刻污水处理过程除磷任务的约束条件出水总磷
[0078][0079]
其中，b2(t)是t时刻污水处理过程除磷任务出水总磷模型的输出偏移且取值范围为[-2，2]，b2(0)＝1.23，w
2,b
(t)是t时刻污水处理过程除磷任务出水总磷模型第 b个自适应核函数的权值且取值范围为[-3，3]，w
2,b
(0)＝2.18，c
2,b
(t)＝[c
2,b,1
(t)， c
2,b,2
(t)，c
2,b,3
(t)，c
2,b,4
(t)]
t
是t时刻污水处理过程除磷任务出水总磷模型第b个自适应核函数的中心且其元素取值范围均为[-1，1]，c
2,b
(0)＝[0.41，-0.86，0.44，
ꢀ‑
0.25]
t
，σ
2,b
(t)是t时刻除磷任务出水总磷模型第b个自适应核函数的宽度且取值范围为[0，2]，σ
2,b
(0)＝0.95；
[0080]
污水处理过程除磷任务约束优化模型参数更新：
[0081][0082]
其中，b(t)＝[b1(t)，b2(t)，w
1,b
(t)，w
2,b
(t)，c
1,b,1
(t)，c
1,b,2
(t)，c
1,b,3
(t)，c
1,b,4
(t)， c
2,b,1
(t)，c
2,b,2
(t)，c
2,b,3
(t)，c
2,b,4
(t)，σ
1,b
(t)，σ
2,b
(t)]是t时刻污水处理过程除磷任务约束优化模型的参数；α2是污水处理过程除磷任务约束优化模型参数的学习率且取值范围为[0，1]；e
2u
(t)＝y2(t)-y
2u
(t)是t时刻污水处理过程除磷任务约束优化模型的预测误差，y2(t)是t时刻污水处理过程除磷任务约束优化模型的输出， y
2u
(t)＝[ec
p
(t)，tp(t)]是t时刻污水处理过程除磷任务的实际输出值，ec(t)是t 时刻污水处理过程除磷任务的实际能耗值，tp(t)是t时刻污水处理过程的实际出水总磷值；
[0083]
(2)多任务约束的污水处理过程优化设定值求解
[0084]
设计基于自适应罚函数的约束多任务粒子群算法求解污水处理过程优化设定值，同时考虑适应度值和约束违反程度，获取多任务优化设定值；
[0085]
①
设置多任务粒子群优化过程每个任务的粒子群规模为100、任务数为2、总迭代次数为1000，初始化外部档案库θ
t
(0)为空集，随机初始化粒子的位置、速度和技能因子，
将污水处理过程多任务约束优化目标模型f(x(t))＝[f1(xn(t))， f2(x
p
(t))]作为多任务粒子群优化算法的优化目标，在约束条件下对f(x(t))进行最小化求解，进化将从第1代开始，将t时刻第1代的粒子位置信息作为输入；
[0086]
②
按照技能因子将粒子划分到不同的群组中，并对粒子进行适应度排序；
[0087]
③
计算约束违反程度为
[0088][0089]
其中，g1(x
n,t
(τ))是t时刻第τ次迭代脱氮任务的约束违反程度，g2(x
p,t
(τ)) 是t时刻第τ次迭代除磷任务的约束违反程度，
[0090]
设计第i个粒子的自适应罚函数为
[0091][0092]
其中，pk(x
ik,t
(τ))是t时刻第τ次迭代第k个任务第i个粒子的罚函数，k＝1 或2，x
ik,t
(τ)是t时刻第τ次迭代第k个任务第i个粒子的位置，i＝1，2，
…
， 100，β
t
(τ)是t时刻第τ次迭代可行解的概率，即可行解的个数除以总体数；
[0093]
计算第i个粒子的适应度值为
[0094][0095]
其中，是t时刻第τ次迭代第k个任务第i个粒子的适应度值；
[0096]
粒子速度更新公式为：
[0097][0098]
其中，v
ik,t
(τ)是t时刻第τ次迭代第k个任务第i个粒子的速度，p
ik,t
(τ) 是t时刻第τ次迭代第k个任务第i个粒子的个体最优位置，p
gk,t
(τ)是t时刻第τ次迭代第k个任务的全局最优位置，是t时刻第τ次迭代第k个任务的知识迁移项，r1是个体经验随机向量且其元素取值范围均为[0，1]，r2是社会经验随机向量且其元素取值范围均为[0，1]，r3是知识迁移项随机向量且其元素取值范围均为[0，1]；
[0099]
粒子位置更新公式为：
[0100][0101]
其中，x
ik,t
(τ+1)是在t时刻第τ+1次迭代第k个任务第i个粒子的位置；
[0102]
④
将t时刻第τ次迭代第k个任务的个体最优位置与t时刻第τ-1 次迭代第k个任务的档案库θ
k,t
(τ-1)中的解进行比较，θ
k,t
(τ-1)＝[θ
k,1,t
(τ-1)，θ
k,2,t
(τ-1)，
…
，θ
k,n,t
(τ-1)，
…
，θ
k,100,t
(τ-1)]，θ
k,n,t
(τ-1)是t时刻第τ-1 次迭代的档案库中第n个最优解，n＝1，2，
…
，100；f(θ
k,n,t
(τ-1))是θ
k,n,t
(τ-1) 的适应度向量，是的适应度向量，如果适应度向量，如果则将保存到档案库中，生成新的第
τ代档案库θ
k,t
(τ)；如果(τ)；如果则第τ代档案库θ
k,t
(τ)与第τ-1代档案库θ
k,t
(τ-1)相同；
[0103]
⑤
判断是否停止迭代：若当前迭代次数τ≥1000，则终止迭代过程并转到步骤
⑥
，否则，迭代次数τ增大1，并返回步骤
②
；
[0104]
⑥
在档案库θ
1,t
(1000)和θ
2,t
(1000)中选择前两维相同的解作为t时刻的优化设定值，是t时刻脱氮任务优化设定值，是t时刻脱氮任务优化设定值，是t时刻除磷任务优化设定值，是t时刻溶解氧优化设定值，是t时刻硝态氮优化设定值，是t时刻甲醇流量的设定值，是聚合氯化铝流量设定值；
[0105]
(3)污水处理过程多任务优化设定值跟踪控制
[0106]
设计控制器对脱氮任务优化设定值和除磷任务设定值进行跟踪控制，调整溶解氧传递系数、内回流量、甲醇加药泵阀门与聚合氯化铝加药泵阀门，实现污水处理过程生物脱氮和除磷的多任务约束优化控制；设计控制器对多任务优化设定值进行跟踪控制：
[0107][0108]
其中，δu(t)＝[δqa(t)，δk
l
a(t)，δkf(t)，δk
p
(t)]
t
是操作变量矩阵，δqa(t) 是污水处理内循环流量的变化量，δk
l
a(t)是第五分区氧传递系数的变化量，δkf(t) 是甲醇加药泵阀门开度变化量，δk
p
(t)是聚合氯化铝加药泵阀门开度变化量；e(t)＝u
*
(t)-u(t)是t时刻的控制误差，是t 时刻的优化设定值，u(t)＝[s
no
(t)，so(t)，mf(t)，m
p
(t)]
t
是t时刻的实际输出值；
[0109]
调整溶解氧传递系数、内回流量、甲醇加药泵阀门开度和聚合氯化铝加药泵阀门开度：
[0110]kl
a(t+1)＝k
l
a(t)+δk
l
a(t)
ꢀꢀꢀꢀ
(29)
[0111]
qa(t+1)＝qa(t)+δqa(t)
ꢀꢀꢀꢀ
(30)
[0112]
kf(t+1)＝kf(t)+δkf(t)
ꢀꢀꢀꢀ
(31)
[0113]kp
(t+1)＝k
p
(t)+δk
p
(t)
ꢀꢀꢀꢀ
(32)
[0114]
其中，k
l
a(t)是t时刻的溶解氧传递系数，qa(t)是t时刻的内回流量，kf(t) 是t时刻的甲醇加药泵阀门开度，k
p
(t)是t时刻的聚合氯化铝加药泵阀门开度；利用变频器调整供氧泵与回流泵的频率，利用电子阀门的电位器调整甲醇和聚合氯化铝的加药泵阀门开度，则溶解氧浓度将被调整至硝态氮浓度将被调整至硝态氮浓度将被调整至甲醇流量将被调整至聚合氯化铝流量将被调整至至此，实现了污水处理过程生物脱氮和除磷的多任务约束优化控制。
[0115]
一种基于多任务约束的污水处理过程优化控制系统输出结果为溶解氧浓度、硝态氮浓度、甲醇流量和聚合氯化铝流量，图1是溶解氧跟踪控制结果图，其中实线为优化设定值，虚线为实际输出值，横轴：时间，单位：天，纵轴：溶解氧浓度，单位：毫克/升；图2硝态氮
跟踪控制结果图，其中实线为优化设定值，虚线为实际输出值，横轴：时间，单位：天，纵轴：硝态氮浓度，单位：毫克/升；图3是甲醇流量跟踪控制结果图，其中实线为优化设定值，虚线为实际输出值，横轴：时间，单位：天，纵轴：甲醇流量，单位：升/小时；图4聚合氯化铝流量跟踪控制结果图，其中实线为优化设定值，虚线为实际输出值，横轴：时间，单位：天，纵轴：聚合氯化铝流量，单位：升/小时；实验结果表明了基于多任务约束的污水处理过程优化控制方法的有效性。