一種基于區間二型模糊神經網絡的污水處理溶解氧濃度跟蹤控制方法與流程

技術特征：

1.一種基于區間二型模糊神經網絡的溶解氧DO設定值跟蹤控制方法，針對序批式間歇活性污泥系統中溶解氧DO進行控制，其中，曝氣量為控制量，溶解氧DO濃度為被控量；

其特征在于，包括以下步驟：

(1)設計用于溶解氧DO設定值跟蹤控制的區間二型模糊神經網絡，區間二型模糊神經網絡分為四層：輸入層、隸屬函數層、激活層、輸出層；具體為：

①輸入層：該層由2個神經元組成：

X(t)＝[x₁(t),x₂(t)]^T (1)

其中，X(t)表示區間二型模糊神經網絡的輸入，x₁(t)為t時刻溶解氧DO濃度設定值與實際值的誤差，x₂(t)為t時刻溶解氧DO濃度設定值與實際值誤差的變化率，T為矩陣的轉置；

②隸屬函數層：該層有R個神經元，每個神經元代表一個區間二型隸屬函數，表示如下：

其中，為t時刻第i個輸入時第j個隸屬函數層神經元輸出值的下界，為t時刻第i個輸入時第j個隸屬函數層神經元輸出值的上界，為t時刻第i個輸入時第j個隸屬函數層神經元中心值的下界，為t時刻第i個輸入時第j個隸屬函數層神經元中心值的上界，σ_ij(t)為t時刻第i個輸入時第j個隸屬函數層神經元的寬度值；i表示區間二型模糊神經網絡的輸入個數，i＝1，2；j＝1，2，…，R；

③激活層：該層有R個神經元，每個神經元的激活強度為：

其中，F_j(t)為t時刻激活層第j個神經元的激活強度，f_j(t)為t時刻激活層第j個神經元激活強度的下界，為t時刻激活層第j個神經元激活強度的上界，

④輸出層：該層有1個神經元，其輸出為：

其中，u(t)為t時刻控制器的曝氣量，Δu(t)為t時刻區間二型模糊神經網絡的輸出，表示控制器的曝氣增量，Δu(t)為t時刻區間二型模糊神經網絡輸出的下界，為t時刻區間二型模糊神經網絡輸出的上界，q(t)為t時刻區間二型模糊神經網絡輸出下界的比例值，q(t)∈(0,1]；z_j(t)為t時刻第j個神經元與輸出神經元間的權值，a_ij(t)為t時刻權值系數，b_j(t)為t時刻權值偏置；

(2)訓練區間二型模糊神經網絡，具體如下：

①利用訓練樣本和梯度下降算法訓練區間二型模糊神經網絡；定義目標函數為：

其中，e(t)為t時刻溶解氧DO濃度設定值與實際值的誤差，y(t)為溶解氧DO濃度的實際值，y_d(t)為溶解氧DO濃度的設定值；

②對區間二型模糊神經網絡的參數進行更新：

其中，c_ij(t+1)為t+1時刻第i個輸入時第j個隸屬函數層神經元的中心值的下界，為t+1時刻第i個輸入時第j個隸屬函數層神經元的中心值的上界；σ_ij(t+1)為t+1時刻第i個輸入時第j個隸屬函數層神經元的寬度值，q(t+1)為t+1時刻區間二型模糊神經網絡輸出下界的比例值，a_ij(t+1)為t+1時刻的權值系數，b_j(t+1)為t+1時刻的權值偏置；η為參數的學習率，η∈(0,1]；

(3)設計用于污水處理過程中溶解氧DO設定值跟蹤控制方法，具體為：

①根據公式(4)計算區間二型模糊神經網絡的輸出；

②判斷當前時刻溶解氧DO設定值跟蹤控制的目標函數的大小，如果e(t)>0.01，轉到步驟③；如果e(t)≤0.01，轉到步驟⑤；

③根據公式(6)求解各個參數的更新值；

④計算當前時刻的控制量u(t)

u(t)＝Δu_m(t)+u(t-1) (7)

其中，u(t)為t時刻控制器的曝氣量，Δu_m(t)為t時刻參數更新后新的曝氣增量，u(t-1)為t-1時刻控制器的曝氣量；轉到步驟⑥；

⑤計算當前時刻的控制量u(t)

u(t)＝Δu(t)+u(t-1) (8)

⑥u(t)為當前時刻污水處理系統溶解氧DO設定值跟蹤控制系統的實際輸入量；

(4)利用求解出的u(t)對溶解氧DO進行控制，u(t)即t時刻為曝氣量，控制系統的輸出為實際溶解氧DO的濃度值。