[发明专利]一种知识和数据驱动的污水处理生化反应过程控制方法

权利要求书

1.一种知识和数据驱动的污水处理生化反应过程控制方法，其特征在于，根据污水处理生化反应特性，建立晴天工况，雨天工况和暴雨天工况的模糊神经控制器，利用经验知识和过程数据调整模糊神经控制器的参数，解决了污水处理控制过程中因工况划分而造成的数据不足问题，实现污水处理生化反应过程的精确控制，包括以下步骤：

(1)确定污水处理生化反应过程切换控制方法的输入和输出

以污水处理生化反应过程为研究对象，设计晴天工况，雨天工况和暴雨天工况下溶解氧浓度和硝态氮浓度的模糊神经控制器；根据国际水协会发布的基准仿真模型，通过进水流量对晴天工况，雨天工况和暴雨天工况进行划分，晴天工况下进水流量区间为10000-30000m³/d，雨天工况下进水流量区间为30000-50000m³/d，暴雨天工况下进水流量设定为50000m³/d以上；在三种工况条件下，该控制器的控制输入和控制输出设置如下：

晴天工况：控制器设置为4个控制输入，包括溶解氧浓度设定值与实际测量值的误差，硝态氮浓度设定值与实际测量值的误差，溶解氧浓度设定值与实际测量值的误差的变化率，硝态氮浓度设定值与实际测量值误差的变化率；晴天工况下控制器设置为2个控制输出，包括曝气变化量和内回流变化量；

雨天工况：控制器设置为5个控制输入，包括溶解氧浓度设定值与实际测量值的误差，硝态氮浓度设定值与实际测量值的误差，溶解氧浓度设定值与实际测量值的误差的变化率，硝态氮浓度设定值与实际测量值误差的变化率，进水流量；雨天工况下控制器设置为2个控制输出，包括曝气变化量和内回流变化量；

暴雨天工况：控制器设置为5个控制输入，包括溶解氧浓度设定值与实际测量值的误差，硝态氮浓度设定值与实际测量值的误差，溶解氧浓度设定值与实际测量值的误差的变化率，硝态氮浓度设定值与实际测量值误差的变化率，进水流量；暴雨天工况下控制器设置为3个控制输出，包括曝气变化量，内回流变化量和碳传递系数变化量；

(2)设计晴天工况，雨天工况和暴雨天工况下用于控制溶解氧浓度和硝态氮浓度的模糊神经控制器H_D，H_R和H_S，根据模糊神经控制器的四层结构即输入层、隐含层、规则层、输出层，H_R控制器的初始连接方式为5-10-10-2，即输入神经元个数为5，隐含层神经元个数为10，规则层神经元个数为10，输出层神经元数为2，H_D控制器的初始连接方式为4-10-10-2，H_S控制器的初始连接方式为5-10-10-3，三种工况下模糊神经控制器输入层与隐含层之间的连接权值赋值为1，隐含层与规则层之间的连接权值都赋值为1，隐含层与输出层之间的连接权值随机赋值，赋值区间为[-1,1]；

雨天工况，H_R控制器的数学描述如下：

H_R控制器输入层：该层的输入为控制输入变量，每个输入层神经元的输出为：

o^R(t)＝[o₁(t),o₂(t),o₃(t),o₄(t),o₅(t)]^T (1)

其中，o^R(t)为t时刻H_R控制器的输入向量，o₁(t)为t时刻溶解氧浓度设定值与实际测量值的误差，o₂(t)为t时刻硝态氮浓度设定值与实际测量值的误差，o₃(t)为t时刻溶解氧浓度设定值与实际测量值的误差的变化率，o₄(t)为t时刻硝态氮浓度设定值与实际测量值误差的变化率，o₅(t)为t时刻的进水流量；

H_R控制器隐含层：该层的输入为输入层的输出，每个隐含层神经元的输出为：

其中，为t时刻H_R控制器的第k个隶属函数神经元的输出值，为t时刻H_R控制器中第k个隶属函数神经元的第p个中心值，为t时刻H_R控制器中第k个隶属函数神经元的第p个宽度值；

H_R控制器规则层：该层的输入为隐含层的输出，每个规则神经元的输出为：

其中，为t时刻雨天工况下模糊神经控制器中第k个规则神经元的输出值；

H_R控制器输出层：该层的输入为规则层的输出，输出层神经元的输出为：

其中，u^R(t)为t时刻H_R控制器的输出向量，为t时刻雨天工况下的曝气变化量，为t时刻雨天工况下的内回流变化量，为t时刻H_R控制器中第k个规则神经元与第1个输出神经元之间的权值，为t时刻H_R控制器中第k个规则神经元与第2个输出神经元之间的权值；

(3)利用经验知识和过程数据调整模糊神经控制器的参数；具体为：

知识获取：搜集雨天工况的历史数据包括溶解氧浓度设定值与实际测量值的误差，硝态氮浓度设定值与实际测量值的误差，溶解氧浓度设定值与实际测量值的误差的变化率，硝态氮浓度设定值与实际测量值误差的变化率，进水流量，利用模糊聚类算法将历史数据分类，类别数等于控制器神经元数，根据聚类中心和聚类宽度确定前件规则知识，根据溶解氧浓度设定值与实际测量值的误差和硝态氮浓度设定值与实际测量值误差确定后件规则知识；雨天工况的第k个规则的经验知识可以表示为

其中，为t时刻雨天工况下第k个规则知识的第p个聚类中心，为t时刻雨天工况下第k个规则知识的第p个聚类宽度，A为单位时间内的曝气转化率，A＝85，B为单位时间内的内回流转化率，B＝18000；

知识转化：将上述雨天工况的规则知识转换模糊神经控制器的参数知识；三种工况的参数知识为

其中，为t时刻H_R控制器中第k个隶属函数神经元的第p个中心知识，为t时刻H_R控制器中第k个隶属函数神经元的第p个宽度知识，为t时刻H_R控制器中第k个规则神经元与第1个输出神经元之间的权重知识，为t时刻H_R控制器中第k个规则神经元与第2个输出神经元之间的权重知识，为t时刻雨天工况下以k个前件规则知识作为参数的规则层神经元的输出；

控制器参数调整：利用参数知识设计晴天工况，雨天工况和暴雨天工况下模糊神经控制器的知识-数据驱动综合误差为

其中，e(t)＝o₁(t)²+o₂(t)²为t时刻模糊神经网络控制器的输出误差，θ为平衡参数，θ＝0.001；

更新雨天工况下的模糊神经控制器参数，利用梯度下降算法调整子控制器的参数；定义参数更新公式为：

其中，Ω^R(t)为雨天工况下的模糊神经控制器参数矩阵，λ为子控制器的学习率，在[0.01,0.1]之间取值；

(4)设计知识和数据驱动的污水处理生化反应过程控制方法，具体为：

①根据公式(1)-(4)建立H_R控制器，同理建立H_D控制器和H_S控制器；

②根据公式(5)-(7)获取H_R控制器的参数知识，同理获取H_D控制器和H_S控制器的参数知识；

③根据进水流量识别t时刻的运行工况，并根据t时刻的运行工况选择模糊神经控制器，具体为：如果进水流量区间为10000-30000m³/d，则当前工况为晴天工况，选取H_D为当前控制器，如果进水流量区间为30000-50000m³/d，则当前工况为雨天工况，选取H_R为当前控制器，如果进水流量区间为50000m³/d以上，则当前工况为暴雨天工况，选取H_S为当前控制器；

④根据公式(4)计算t时刻模糊神经控制器的输出，对污水处理过程进行控制；

⑤根据公式(8)判断t时刻综合误差的大小，如果E_KD(t)0.01，转到步骤⑥；如果E_KD(t)≤0.01，t增加1，转到步骤③；

⑥并利用公式(9)更新控制器参数，t增加1，转到步骤①。