【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。