制算法，根据物料平衡约束、执行 器约束W及出水条件约束得到底层控制回路的设定值;底层是两个模糊神经网络控制器， 第一个是通过控制器调节反应池中的曝气量，第二个是通过控制器调节污泥回流量Qr控制 反应池中的污泥溶度;采用优化控制策略动态调整两个控制回路的设定值:DO设定值和污 泥溶度设定值； (5) 再重复步骤(1)-(4)的步骤，依此循环进行，实现污水处理过程的优化控制。2. 根据权利要求1所述的基于量子遗传算法的污水处理过程节能优化控制方法，得到 两个模糊神经网络控制回路的溶解氧和污泥量的设定值最优解，其特征在于，所述步骤的 (1)构建目标函数模型的具体过程为： (11) 基于污水处理系统传统数学模型，采用有限元分析理论和灵敏度分析法对模型进 行降维分析，使系统模型简化：其中X为曝气池中微生物浓度，S为曝气池中底物浓度，^和^分别为曝气池中底物 诚 ?Ι[ 浓度和微生物浓度的变化速率;k和Kd分别为底物最大比利用速率常数和微生物的衰减速 率;Ks为饱和常数;Κο为氧的开关常数或称氧的饱和常数;DO为溶解氧浓度;Qw为污泥废物排 放量，Q为进水流量，V为曝气池的体积，So为进水底物浓度，Y为微生物产率系数； (12) 综合考虑运行费用和出水水质两个方面，构造优化目标函数：其中，T表示运行周期，Waeratinn为反应池的曝气费用，WSR为回流污泥费用，WST为污泥废 物处理费； (13) 目标函数模型约束条件:输出约束是出水水质约束，执行器约束包括:操作变量0 <D0<0s，G!w>0，Ps-P(T)含0，Ps为允许排放的有机物总量，Ρ(Τ)就表示每个周期排放的有 机物总量。3. 根据权利要求2所述的基于量子遗传算法的污水处理过程节能优化控制方法，其特 征在于，所述Af为在溶解氧浓度为DOf时转移单位质量氧所需费用，Os为饱和溶解氧浓度，Τ为运行周 期，t为采样时间，B为单位污泥回流量所需费用，Xr为回流污泥中的微生物量；，C为单位污泥废物处理所需费用。4.根据权利要求3所述的基于量子遗传算法的污水处理过程节能优化控制方法，其特 征在于，所述步骤(2)优化目标函数模型，是将量子的态矢量表达引入遗传编码来表示染色 体，利用量子逻辑口实现染色体的演化，并可将量子比特的几率幅度表示应用于染色体的 编码，使得一条染色体能够表达多个态的叠加，利用量子口作用和更新来完成进化捜索，从 而实现了目标的优化求解，得到两个模糊神经网络控制回路的溶解氧和污泥溶度的设定值 最优解，具体过程为： (21) 量子比特编码 采用遗传算法中的二进制编码，对污水处理优化目标函数模型进行量子编码;量子遗 传算法用一个或多个量子比特存储和表达一个基因，再由运些个量子比特表达的基因构成 一条染色体;一条采用多量子比特编码m参数的染色体q表示为其中，g;表示第t/代，第j个体的染色体；（鸣'，戍')表示第t/代，第j个体的染色体的量 子比特编码，1含i含m，1含1含k，k表示编码每一个基因的量子比特数;m表示染色体的基因 个数； 运里将种群各个个体的量子比特编码(α，β)都初始化为(l/；/5j/v5)，即运个染色体所 表达的全部可能状态是等概率的； (22) 量子旋转口 量子计算中通过选择量子旋转口作用于量子的叠加态，使其发生相互干设，产生相位 改变，从而改变其各基态所对应的概率幅，实现染色体的更新进化;量子旋转口的调整操作 为：其中，（αι，目ι)τ和(cA，目/〇τ代表染色体第i个量子比特旋转口更新前后的概率幅；θι为 旋转角，它的大小和符合由事先设计的调整策略确定； 由上式得出α'1和β'1分别为：所如日'i|2+|0' i|2=[aicos(目i)-0isin(目i)]2+[aisin(目i)+0iC〇s(目i)]2 = |ai|2+|0i |2 = 1可知变换之后I α' 112+1 β' 112的值仍为1; (23)量子遗传算法的步骤为： 步骤2301:初始化种群Q(t〇)，随机生成η个W量子比特为编码的染色体； 步骤2302:对初始种群中Q(to)的每个个体进行一次测量，得到对应的确定量Ρ (to); 步骤2303:对各确定量进行适应度评估； 步骤2304:记录最优个体和对应的适应度； 步骤2305:判断计算过程是否可W结束，若满足结束条件则退出，否则继续计算； 步骤2306:对种群中的每个个体实施一次测量，得到相应的确定解； 步骤2307:对各确定解进行适应度评估； 步骤2308:利用量子旋转口对个体实施调整，得到新的种群Q(t+1); 步骤2309:记录最优个体和对应的适应度； 步骤2310:将迭代次数巧日1，返回步骤2305。5. 根据权利要求4所述的基于量子遗传算法的污水处理过程节能优化控制方法，其特 征在于，上述步骤2301是初始化种群Q(t〇)，种群中全部染色体的所有基因(af，戌')都被初 始化为(1/冶，1/、后)，即一个染色体所表达的是其全部可能状态的等概率叠加：其中，S为该染色体的第k种状态，表现形式为一长度m的二进制(X1，X2, . . .，Xm)，其中XI 的值为0或者1; 步骤2302是对初始种群中的个体进行一次测量，W获得一组确定的解巧约={片'，成…成;}， 其中，4为第t/代种群中第j个解，表现形式为长度为m的二进制串，其中每一位为0或1，是 根据量子比特的概率选择得到的；测量过程中为，随机产生一个[〇，1]区间的数，若它大于 概率幅的平方，则测量结果取值1，否则取值0;然后，对运一组解进行适应度评估，记录下最 佳适应度个体作为下一步演化的目标值； 随后，进入循环迭代阶段，随着迭代的进行，种群的解逐渐向最优解收敛;在每一次迭 代中，首选对种群进行测量，W获得一组确定解p(t/ )，然后计算每个解的适应度值，再根据 当前的演化目标和事先确定的调整策略，利用量子旋转口对种群中的个体进行调整，获得 更新后的种群，记录下当前的最优解，并与当前的目标值进行比较，如果大于当然目标值， 则W新的最优解作为下一次迭代的目标值，否则保持当然的目标值不变。6. 根据权利要求5所述的基于量子遗传算法的污水处理过程节能优化控制方法，其特 征在于，所述步骤(3)采用模糊神经网络控制器实现对量子遗传优化算法得到的溶解氧设 定值DOs和污泥溶度设定值MLSSs的跟踪控制;其具体过程为： (31) 曝气池溶解氧浓度模糊神经网络控制器构建； 根据优化控制算法得到的溶解氧浓度优化值传递给模糊神经网络控制器，用W准确调 节反应池的曝气量Qair ; 控制器的输入量分别是溶解氧的变化量与溶解氧的变化率，输入参数的模糊子集都 是：{NB，醒，NS，Z0，PB，醒，P引；隶属度函数为钟形函数;控制器获得49条规则，其表达式为：其中，DOo为实际处理过程中的溶解氧浓度采样值，Wc，We和Wec是模糊神经网络控制器的 后件参数，T为运行周期； (32) 污泥回流量模糊神经网络控制器构建； 根据优化控制算法得到的污泥浓度优化值MLSSs传递给模糊神经网络控制器，用W准确 调节污水处理系统的污泥回流量Qr; 控制器的输入量分别是反应池污泥溶度的变化量与污泥溶度的变化率，输入参数的模 糊子集都是：阳B、NS、Z0、PB、PS};隶属度函数为高斯函数;控制器获得25条规则，其表达式 为：其中，MLSSo为实际处理过程中的污泥浓度采样值，Wmc，Wme和Wmec是污泥回流量模糊神经 网络控制器的后件参数。7.根据权利要求1所述的基于量子遗传算法的污水处理过程节能优化控制方法，其特 征在于，该方法还包括下述步骤:借助传送控制协议/互联网协议和串行数据接口标准，通 过计算机和双向通信，对上述数据进行实时控制;再经过上述优化策略后，对污水处理系统 的效率进行比较分析，并通过组态软件的监控窗口显示，从而系统能及时、准确的调节污水 处理系统的曝气量和污泥回流量，促进污水处理厂高效稳定运行。
【专利摘要】本发明属于环保技术领域与控制领域，具体涉及一种基于量子遗传算法的污水处理过程节能优化控制方法，该方法综合考虑出水水质、曝气和泵送能耗及污泥废物处理费用，将量子的态矢量表达引入遗传编码来表示染色体，利用量子门作用和更新来完成进化搜索，用以优化污水处理系统的污泥废物处理、回流与曝气能耗等运行费用，由模糊神经网络控制器根据优化后的设定值实时调节鼓风机曝气量和污泥泵回流量，以实现污水处理过程的优化控制，保证出水水质要求下减少运行费用，降低污水处理成本，促进污水处理厂高效稳定运行。
【IPC分类】G05B13/04
【公开号】CN105573115
【申请号】CN201510907217
【发明人】黄明智, 林凯荣, 陈晓宏, 章涛, 阮菊俊
【申请人】中山大学
【公开日】2016年5月11日
【申请日】2015年12月9日