【技术实现步骤摘要】
本专利技术设计了一种基于自适应二型模糊神经网络的城市污水处理过程鲁棒控制方法，利用自适应二型模糊神经网络预测溶解氧浓度和硝态氮浓度的变化量，通过扰动观测器实现外部扰动的估计，解决了城市污水处理过程受到外部干扰导致无法精准控制的问题，实现了城市污水处理过程的鲁棒跟踪控制，因此本专利技术既属于水研究领域，又属于智能控制领域。
技术介绍
1、由于人口的持续增长，对淡水资源的需求不断增加，水资源短缺已经成为一个全球性问题，迫切需要解决。城市污水处理厂的广泛建立可以实现水资源的循环再利用，改善水资源短缺的问题，其采用的控制技术已经得到了相当程度的发展。城市污水处理过程控制技术可以确保污水在经过处理后达到排放标准，减少污染物的排放，避免对环境和人类健康造成危害。因此研究推广有效的污水处理过程控制技术，对提高污水处理厂的运营水平和经济效益，具有重要意义。
2、目前污水处理过程中最常用的工艺是活性污泥法，该工艺是一个复杂的非线性动态生化反应过程，包括氨化、硝化、反硝化等多个反应过程，其中控制的两个主要变量是第5生化反应池中的溶解氧浓度和第2生化反应池中的硝态氮浓度。溶解氧是在硝化反应中促进氨氮的降解，而硝态氮作为中间产物，最终通过反硝化反应分解为氮气。虽然这些过程可以有效去除有机物，但在实际控制器设计中，常常受到外部扰动的影响，例如天气变化、流量波动、水质波动等。这些外部扰动会导致控制系统的性能下降，使得控制过程变得更加复杂和困难。因此，如何在外部扰动的情况下保持污水处理过程控制的鲁棒性成为一个迫切需要解决的问题。
3、
技术实现思路
1、本专利技术获得了一种基于自适应二型模糊神经网络的城市污水处理过程鲁棒控制方法，该方法通过基于二型模糊神经网络的预测模型，实现溶解氧浓度变化量和硝态氮浓度变化量的预测，利用梯度下降算法更新预测模型的参数，设计基于扰动观测器的鲁棒控制器，实现了溶解氧浓度和硝态氮浓度的鲁棒精确控制。
2、本专利技术采用了如下的技术方案及实现步骤：
3、1.一种基于自适应二型模糊神经网络的城市污水处理过程鲁棒控制方法，其特征在于，建立基于自适应二型模糊神经网络的城市污水处理过程动力学预测模型，构造基于扰动观测器的城市污水处理过程外部扰动估计器，设计基于自适应二型模糊神经网络和扰动观测器的鲁棒控制器，实现城市污水处理过程外部扰动下溶解氧浓度和硝态氮浓度的鲁棒跟踪控制，包括以下步骤：
4、(1)建立基于自适应二型模糊神经网络的城市污水处理过程动力学预测模型
5、城市污水处理过程溶解氧浓度和硝态氮浓度的动力学模型为：
6、
7、
8、
9、其中，kla5(t)表示t时刻生化反应池第五分区的氧传递系数，qa(t)表示t时刻生化反应池第二分区的内回流量，qk(t)表示t时刻生化反应池中第k个分区的组分流量，so,k(t)表示t时刻生化反应池中第k个分区的溶解氧浓度，sno,k(t)表示t时刻生化反应池中第k个分区的硝态氮浓度，k＝1,2,…,5，g1(t)表示t时刻生化反应池中第五分区溶解氧浓度的变化量，g2(t)表示t时刻生化反应池中第二分区硝态氮浓度的变化量，d1(t)表示t时刻溶解氧浓度受到的外部扰动，d2(t)表示t时刻硝态氮浓度受到的外部扰动；
10、设计用于预测溶解氧浓度和硝态氮浓度的自适应二型模糊神经网络，自适应二型模糊神经网络包括输入层、隶属函数层、激活层、后件层和输出层，具体如下：
11、输入层：该层由4个神经元组成：
12、z(t)＝[z1(t),z2(t),z3(t),z4(t)]t (4)
13、其中，z(t)表示t时刻二型模糊神经网络的输入向量，z1(t)表示t时刻溶解氧浓度设定值与实际测量值的误差值，z2(t)表示t时刻硝态氮浓度设定值与实际测量值的误差值，z3(t)表示t时刻溶解氧浓度设定值与实际测量值误差的变化率，z4(t)表示t时刻硝态氮浓度设定值与实际测量值误差的变化率，t表示矩阵的转置；
14、隶属函数层：该层有m个神经元，每个神经元的输出为：
15、
16、
17、其中，zi(t)表示输入层输入向量z(t)中的第i个变量，mij(t)表示t时刻第i个输入神经元到第j个激活层神经元的隶属函数层神经元的输出值下界，表示t时刻第i个输入神经元到第j个激活层神经元的隶属函数层神经元的输出值上界，cij(t)表示t时刻第i个输入神经元到第j个激活层神经元的隶属函数层神经元的中心值下界，表示t时刻第i个输入神经元到第j个激活层神经元的隶属函数层神经元的中心值上界，σij(t)表示t时刻第i个输入神经元到第j个激活层神经元的隶属函数层神经元的宽度值，i表示二型模糊神经网络的输入个数，j表示二型模糊神经网络的激活层神经元个数，i＝1,2,3,4，j＝1,2,…,m；
18、激活层：该层有m个神经元，每个神经元的上界输出和下界输出表示为：
19、
20、
21、其中，fj(t)表示t时刻第j个激活层神经元的下界输出，表示t时刻第j个激活层神经元的上界输出；
22、后件层：该层有4个神经元，每个神经元的输出表示为：
23、
24、
25、
26、其中，yo(t)表示t时刻第o个输出神经元的后件层神经元的输出下界，表示t时刻第o个输出神经元的后件层神经元的输出上界，表示t时刻第o个输出神经元与第i个输入神经元和第j个激活层神经元的权值系数，表示t时刻第o个输出神经元和第j个激活层神经元的权值偏置，表示t时刻第o个输出神经元与第j个激活层神经元的后件权值，o＝1,2；
27、输出层：该层有2个神经元，每个神经元的输出表示为：
28、
29、
30、其中，y1(t)表示t时刻第五分区溶解氧浓度的预测值，y2(t)表示t时刻第二分区硝态氮浓度的预测值，η1(t)表示t时刻y1(t)的输出下界比例值，η2(t)表示t时刻y2(t)的输出下界比例值，0<η1(t)<1，0<η2(t)<1；
31、定义误差函数e(t)：
32、
33、其中，表示t时刻二型模糊神经的期望输出，yo(t)表示t时刻二型模糊神经的实际输出；
34、设计二型模糊神经网络参数ηo(t)，和的自适应更新律：
35、
36、
37、
38、其中，ηo(t+1)表示t+1时刻第o本文档来自技高网...
【技术保护点】
1.一种基于自适应二型模糊神经网络的城市污水处理过程鲁棒控制方法，其特征在于，包括以下步骤：
【技术特征摘要】
1.一种基于自适应二型模糊神经网络的城市污水处...
【专利技术属性】
技术研发人员：韩红桂，杨非凡，孙浩源，乔俊飞，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
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。