产氢产甲烷两相厌氧消化过程复合智能无模型极值优化控制方法技术

本发明专利技术公开了一种产氢产甲烷两相厌氧消化过程复合智能无模型极值优化控制方法，用于最大化包括氢气和甲烷在内的总产气流出速率。该方法首先在极值搜索控制算法的基础上，估计当前时刻产气总量的极大值参考输入轨迹；根据扩张状态观测器生成产气极值参考跟踪轨迹，并对实际厌氧消化处理过程中的不确定干扰项进行在线估计；在此基础上，利用极局部模型和时延估计的思想，改进干扰补偿模块，得到产气控制输入信号，实现产气总量最大化和产气轨迹稳定。通过仿真验证，本发明专利技术设计的控制方法可以有效提高厌氧消化系统产气速率的极值收敛速度，同时能够进一步减小输入干扰对产气轨迹的影响，提高了系统的稳定性，具有更好的控制性能。能。能。

【技术实现步骤摘要】
产氢产甲烷两相厌氧消化过程复合智能无模型极值优化控制方法


[0001]本专利技术涉及厌氧消化过程控制领域，特别是一种产氢产甲烷两相厌氧消化过程复合智能无模型极值优化控制方法。

技术介绍

[0002]相较于传统的单相厌氧消化工艺，两阶段厌氧消化技术将产氢阶段和产甲烷阶段分离在两个串联反应器中，使得产氢发酵菌和产甲烷发酵菌都能够在各自的最佳环境条件下增长，不仅有利于充分发挥菌群活性，提高有机废物处理效率，而且能够减少反应容积，增强负荷冲击能力，增加了反应的稳定性。但同时，由于设备的增加和生化反应的增多，流程、操作和过程控制都相对变得更加复杂。
[0003]为了进一步提高厌氧消化工艺效率并使系统保持在最佳的运行条件，厌氧消化系统引入了极值控制算法进行实时的优化。极值搜索控制算法(Dewasme L.,Wouwer V.Model
‑
Free Extremum Seeking Control of Bioprocesses:A Review with a Worked Example.Processes,2020,8(1209本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产氢产甲烷两相厌氧消化过程复合智能无模型极值优化控制方法，其特征在于，包括以下步骤：步骤1、建立产氢产甲烷两相厌氧消化系统数学模型，包括氢气生物反应器和甲烷生物反应器的动力学过程建模；步骤2、基于极值搜索控制算法设计极值估计模块预测极值输入轨迹，通过设计极值控制算法，生成当前时刻的极值控制输入；步骤3、建立扩张状态观测器，基于可用的输入输出数据，将极值搜索模块生成的参考最佳稀释率轨迹转换为参考产气轨迹，同时估计系统总扰动；步骤4、设计无模型智能PID轨迹跟踪控制器，基于极局部模型思想，结合自抗扰控制算法和iPD算法实现极值轨迹跟踪控制；步骤5、基于时延估计算法设计干扰补偿控制器，对系统中的未知变量和未知干扰进行补偿。2.根据权利要求1所述的方法，其特征在于，步骤1所述的建立产氢产甲烷两相厌氧消化系统数学模型，包括氢气生物反应器和甲烷生物反应器的动力学过程建模，具体包括以下步骤：步骤1.1、建立氢气生物反应器的数学模型：其中，D1为氢气生物反应器中的稀释率，S0为木质纤维素底物浓度，S1为纤维二糖底物浓度，X1为产酸菌的浓度，Pr1、But1、Ac1分别为氢气生物反应器中丙酸、丁酸和乙酸的浓度，Q
H2
为氢气的流出速率，S
0in
为初始有机物底物浓度，β为生物降解系数，Y
P
、Y1、Y
Pr1
、Y
But1
、Y
Ac1
、均为产量系数，μ1为产酸菌的比生长速率，采用如下的Monod型生长函数：其中，μ
1max
为产酸菌的最大比生长率，k
S1
为产酸菌的饱和系数；步骤1.2、建立甲烷生物反应器的数学模型：
其中，D2为甲烷生物反应器中的稀释率，X
Pr
为丙酸盐降解菌的浓度，X
But
为丁酸盐降解菌的浓度，X
Ac
为产甲烷菌的浓度，Pr2、But2、Ac2分别为甲烷生物反应器中丙酸、丁酸和乙酸的浓度，Q
CH4
为甲烷的流出速率，Y
Pr2
、Y
But2
、Y
Ac2
分别为丙酸、丁酸和乙酸的产量系数，为甲烷的产量系数，丙酸、丁酸和乙酸菌的比生长速率μ
Pr
、μ
But
和μ
Ac
均采用Monod型函数如下：其中，μ
Prmax
、μ
Butmax
、μ
Acmax
分别的丙酸、丁酸、乙酸降解菌的最大比生长率，k
SPr
、k
SBut
、k
SAc
分别为丙酸、丁酸和乙酸的饱和系数，系统中氢气生物反应器和甲烷生物反应器通过级联的方式连接，假设两个生物反应器体积比为K，满足3.根据权利要求1所述的方法，其特征在于，步骤2基于极值搜索控制算法设计极值估计模块预测极值输入轨迹，具体包括以下步骤：在产氢产甲烷两相厌氧消化系统中，指定稀释率作为控制输入θ，以产气总速率作为系统输出y，假设存在一个平滑控制算法，使得闭环系统达到唯一的极值平衡点，则针对系统输入输出静态方程y＝f(θ)有如下关系：其中H为系统输出的Hessian矩阵，θ
*
对应系统梯度为0的极值点；分别基于扰动的极值
控制算法和基于牛顿的极值控制算法，使得在h和f相关的系统模型知识未知的情况下，系统输出能够稳定在极值点处；步骤2.1、设计经典扰动极值控制器：在基于扰动的极值搜索控制中，整个闭环控制系统用如下的公式表述：其中，为系统控制输入θ的估计值，a、k为正常数，扰动信号S(t)为频率为w的周期正弦函数，为系统梯度信息的近似估计值，η表征一个截止频率为w
h
的高通滤波器；步骤2.2、设计牛顿极值搜索控制器：在基于扰动极值搜索控制器中，系统输入由控制分量和周期扰动信号S(t)叠加而成，即满足：其中，扰动信号S(t)为幅值和频率分别为a、w的周期正弦函数，满足：S(t)＝asin(wt)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)则系统输出y可通过泰勒级数展开式变换为：将输出信号通过高通滤波器过滤直流分量后得到滤波器的输出分量y
h
(t)，将y
...

【专利技术属性】
技术研发人员：王浩平，潘宁，田杨，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：