【技术实现步骤摘要】
201610218353
【技术保护点】
一种基于神经网络的污水处理过程控制方法，主要包括两个部分：PID控制部分与神经网络自适应调整参数部分；本方法利用神经网络的自适应性与学习能力，根据当前的环境状态自适应的对PID控制器的三个参数进行实时调整，及时对环境的变化做出响应，从而对污水处理过程进行控制，使得溶解氧浓度的误差最小化；其特征在于，包括以下步骤：1)底层PID控制器将k时刻的溶解氧浓度与浓度设定值进行对比作差，可定义误差为：e(k)＝r(k)‑y(k) (1)r(k)为k时刻溶解氧浓度期望值，y(k)为k时刻的溶解氧浓度实际测量值，e(k)为k时刻的溶解氧浓度的误差值；PID控制器的输出为：Δu(k)＝Kp(e(k)‑e(k‑1))+Kie(k)+Kd[e(k)‑2e(k‑1)+e(k‑2)] (2)Kp代表的是比例系数，Ki代表的是积分系数，Kd代表的是微分系数，e(k)与e(k‑1)分别代表在k时刻和k‑1时刻溶解氧的误差变化量，e(k‑2)代表在k‑2时刻溶解氧的误差变化量，Δu(k)为PID控制器k时刻的输出控制量增量；2)PID调整参数本方法选择BP神经网络对PID参数进行调整，共有三个输入量，分别是...
【技术特征摘要】
1.一种基于神经网络的污水处理过程控制方法，主要包括两个部分：PID控制部分与神经网络自适应调整参数部分；本方法利用神经网络的自适应性与学习能力，根据当前的环境状态自适应的对PID控制器的三个参数进行实时调整，及时对环境的变化做出响应，从而对污水处理过程进行控制，使得溶解氧浓度的误差最小化；其特征在于，包括以下步骤：1)底层PID控制器将k时刻的溶解氧浓度与浓度设定值进行对比作差，可定义误差为：e(k)＝r(k)-y(k) (1)r(k)为k时刻溶解氧浓度期望值，y(k)为k时刻的溶解氧浓度实际测量值，e(k)为k时刻的溶解氧浓度的误差值；PID控制器的输出为：Δu(k)＝Kp(e(k)-e(k-1))+Kie(k)+Kd[e(k)-2e(k-1)+e(k-2)] (2)Kp代表的是比例系数，Ki代表的是积分系数，Kd代表的是微分系数，e(k)与e(k-1)分别代表在k时刻和k-1时刻溶解氧的误差变化量，e(k-2)代表在k-2时刻溶解氧的误差变化量，Δu(k)为PID控制器k时刻的输出控制量增量；2)PID调整参数本方法选择BP神经网络对PID参数进行调整，共有三个输入量，分别是k时刻的比例、积分、微分所对应的误差变化量，其输入为：x1(k)＝e(k)-e(k-1) (3)x2(k)＝e(k) (4)x3(k)＝e(k)-2e(k-1)+e(k-2) (5)X(k)＝[x1(k) x2(k) x3(k)] (6)则神经网络的输出为：Yout(k)＝Wout(k)f(Win(k)X(k)) (7)式中，x1(k)，x2(k)，x3(k)为k时刻比例、积分、微分所对应的误差变化量，X(k)为k时刻的神经网络的输入向量，Yout(k)为k时刻的神经网络的输出，同时作为PID控制器的比例、积分、微分参数；Win(k)为k时刻神经网络输入层神经元到隐含层神经元的连接权值；Wou...
【专利技术属性】
技术研发人员：乔俊飞，付文韬，武利，蒙西，许进超，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。