神经网络智能控制系统应用于废水处理.PDFVIP

神经网络智能控制系统应用于废水处理 曾光明，秦肖生，何 理，黄国和，李建兵　 (湖南大学 环境科学与工程系， 湖南长沙 410082) 摘 要：所建立的基于人工神经网络的最优控制模型能够根据废水处理系统中进水水质的变化对出水 水质进行预测，将预测结果输入非线性优化器后能在线调整控制变量，从而使整个系统达到实时的最优控 制效果。 关键词：废水处理；神经网络； 非线性优化；智能控制 近年来以非线性大规模连续模拟、并行分布处理为主流的人工神经网络理论得到了很大发展，这种网 ［ ］ ［ ～ ］ 1 2 7 络具有很强的学习功能及非线性逼近能力 g ，已被广泛地应用到水处理系统中进行预测和建模 。　 r 1 最优控制模型 o r. 对于典型的废水处理系统，其输入量包括m个进水指标(如进水量、COD浓度、SS浓度等，记为m维向 e 量X)和n个可控变量(n种药剂的投量，记为n维向量U) ，输出量为对各水质指标的去除率(记为m维向量Y) 。 t 通过试验可知，Y 的变化与X和U密切相关，它们之间的关系可用下式表示： a 　 F(X ，U)=Y　 (1) w 事实上式(1)极其复杂，很难用一般的函数形式表达。因此，考虑用一个有m+n个输入和m个输出的人 y 工神经网络对该系统进行辩识。只要将试验测出的p组数据对［(X，U)p ，Yp ］作为训练样本对网络进行训 t 练就可以得到一个稳定的网络输出，使实际输出和理想输出的总误差小于允许值。这样，在网络训练完毕 i 网 后就可以用人工神经网络对系统的出水水质作出在线预测。 c 基于对出水水质的预测结果，可以为系统设计一个针对离散信号的最优预测控制器(见图 1)。 a水 图 1 中神经网络预测器可在线调整，即根据t 时刻的输入信号X(t)和U(t) 以及输出信号Y(t)预测系统在 n t+Δt 时刻的输出Y(t+Δt) 。非线性优化器以式(2)为优化目标： i镇 MinJ=　PTU(t)QΔt+FC