一種污水處理過程自適應廣義預測控制方法及系統的制作方法
【技術領域】
[0001] 本發明設及污水處理領域，特別設及一種污水處理過程自適應廣義預測控制方法 及系統。
【背景技術】
[0002] 當前我國污水處理處于一個前所未有的發展機遇，國家積極推動污泥處理處置重 大技術的研發、示范和推廣，開展在線控制技術研究，將污水處理與再生利用的重大關鍵技 術納入國家相關科技計劃，致力于推進技術先進、經濟適用、環境友好的工藝流程和處理技 術。
[0003] 活性污泥污水處理工藝在當前污水處理行業應用廣泛，而其中溶解氧濃度是影響 污水處理過程效率、運行費用W及穩定性的主要控制因素。曝氣池中氧氣不足和過量都會 對微生物生存環境帶來不利影響。當氧氣不足時，一方面由于曝氣池中絲狀菌會大量繁殖， 最終產生污泥膨脹；另一方面會降低細菌分解的效果，延長處理時問，甚至導致生物處理失 效。而氧氣過量（即過量曝氣）則會由于絮凝劑遭到破壞而導致懸浮固體沉降性變差，同 時使能耗過高。因此，溶解氧濃度先進控制算法具有重要的研究價值。
[0004] 溶解氧濃度控制的難點之一是過程本身的非線性和時變性。當前在實際的溶解氧 控制過程中，開關控制和PID控制是應用最多的控制方法，也有自適應控制、模糊控制、神 經網絡控制等方法。前者控制方式簡單易于使用，但控制精度不高、波動大、能耗高；模糊控 制則需要掌握大量的現場控制經驗知識且缺乏自學習能力。而且該些控制方法都沒有把溶 解氧非線性過程模型整合到控制器的設計當中，不能很準確地反映過程的實際特性。預測 控算法將溶解氧濃度模型應用到控制器的設計中，并取得較好的控制結果，但是當面對較 大干擾情況時，就不能很好的保持溶解氧濃度的穩定。
[0005] 因此，污水處理系統中的溶解氧濃度具有非線性、大時變、大滯后、干擾嚴重等特 征，設計一種可W跟隨污水控制環境變化而做出相應改變的模糊自適應廣義預測控制方法 是十分有必要的。

【發明內容】

[0006] 本發明的目的在于克服現有技術的缺點與不足，提供一種污水處理過程自適應廣 義預測控制方法。
[0007] 本發明的另一目的在于提供一種污水處理過程自適應廣義預測控制系統。
[000引本發明的目的通過W下的技術方案實現：
[0009] 一種污水處理過程自適應廣義預測控制方法，包含W下順序的步驟：
[0010] A、首先利用反饋線性化的思想來實現自適應廣義預測控制器的設計；
[001UB、然后在證明其李雅普諾夫穩定的同時，得到修正系統CARIM模型參數的自適 應規則，來動態調整模型參數使得系統跟蹤誤差達到最小，實現溶解氧濃度的穩態控制。
[0012] 所述的污水處理過程自適應廣義預測控制方法，具體包含W下順序的步驟：
[001引SI.確定控制系統，即GPC控制器：針對厭氧-缺氧-好氧活性污泥系統中的溶 解氧濃度進行控制，W好氧池中的溶解氧濃度為被控量，W相應池中的氧傳遞系數為控制 量；
[0014] S2.模糊神經網絡模型：
[0015] 采用TSK模型的形式，輸出變量見式（1)所示：
[0016]
【主權項】
1. 一種污水處理過程自適應廣義預測控制方法，其特征在于，包含以下順序的步驟： A、 首先利用反饋線性化的思想來實現自適應廣義預測控制器的設計； B、 然后在證明其李雅普諾夫穩定的同時，得到修正系統CARIM模型參數的自適應規 貝1J，來動態調整模型參數使得系統跟蹤誤差達到最小，實現溶解氧濃度的穩態控制。
2. 根據權利要求1所述的污水處理過程自適應廣義預測控制方法，其特征在于，具體 包含以下順序的步驟：
51. 確定控制系統，即GPC控制器：針對厭氧-缺氧-好氧活性污泥系統中的溶解氧濃 度進行控制，以好氧池中的溶解氧濃度為被控量，以相應池中的氧傳遞系數為控制量；
52. 模糊神經網絡模型： 采用TSK模型的形式，輸出變量見式（1)所示：
(1) 其中，u是訓練所得到的模糊規則個數，％是模糊系統的結論權值，為模糊系統 的各隸屬度函數，令Aj= ( a W a 2j, . . .，α μ)，α表示Wj的參數，X = (X " X2,…，xj，則
其中，x(k) = [X1GO1X2GO, ..，xn(k)]T= [x(k)，x(k-l)，..，x(k-n+l)]T是系統狀態 向量，u是系統輸入，y是系統輸出，f [x(k)]和g[x(k)]是未知函數； 假定|g[x(k)]|>e成立，其中ε是一個足夠小的正實數，由此可以得知模糊模型的相 對度等于1 ; 針對上述所示的非線性系統（假設Lh[x(k)]g[x(k)] =g[x(k)]辛0)，選擇如下的控制 率：
而對于控制目標是跟蹤指定軌跡Xnd的情況，且該預定軌跡是有界的，可以選擇V(k): V (k) = xnd (k+1) -kne (k-n+1)-----(k) = xnd(k+l)-kTe (k) (4) 其中，e(k) = x(k)_xd(k)是跟蹤誤差，e(k) = [e(k_n+l)，· · ·，e(k-l)，θ〇〇]τ，1^(? = I. . n)是指定參數，k = [kn，Iv1,. .，kJT，以使得系統輸出可以漸進收斂到指定軌跡，此時可 以得到系統閉環誤差方程為： e (k+1) = -kTe (k) (5) 由此，將式（4)帶入式（3)中，并與式（2)相減得到下式（6)，得到系統輸出誤差與控制 率之間的閉環動態方程： e (k+1) = -kTe (k) +g [u* (k) -u (k) ] (6) S4.設計廣義預測控制器 廣義預測控制算法中，采用公式（7)所示的受控自回歸積分滑動平均模型（CARIM)作 為被控系統的數學模型； A (z_1) y (t) =B (z_1) u (t-1) +C (z_1) w (t) / Δ (7) 其中4(廠1)、8(廠1)和以廠1)是廠1的多項式，1 1表示后移算子，《(〇是系統干擾； 利用Diophantine方程的方法求得廣義預測控制律為： u = (GtG+ λ I) -1Gt [yr-Fy (t) -H Λ u (t-1) ] (8) 其中，F、G、H表示所采用Diophantine方程求解控制律的參數向量，λ表示控制權值， ?表示指定參考軌跡，y(t)表示系統輸出，Διι(?-Ι)表示所求的控制增量，I表示單位向 量； S5.設計T-S模糊模型結論參數的自適應規則 由系統輸出誤差與控制率之間的閉環動態方程的向量形式見式（9): e(k+l) = Ae(k)+bg[u*(k)_u(k)] (9) 其中Λ、bg是閉環動態方程的參數，u #(k)是所選擇的期望控制率，e(k)表示系統誤差 向量，u (k)表示控制變量； 由廣義預測控制算法得到的控制增量，得到如下的廣義預測控制的控制率，如式（10) 所示： u (k) = K [ Φ R-Fy (k) ] +u (k-1) (10) K = GV (GTG+ λ ) 其中，G、F是求解廣義預測控制率過程中所用到的參數，R是指定軌跡，λ是控制加權 常數，u (k)表示控制變量，y(k)表示被控變量，Φ表示反饋增益向量，這里取作單位向量； 由動態模糊神經網絡建模方法得到的系統模型式（1)作為上述控制率表達式中 的系統輸出y(k)的估計，從而可以得到該控制率u(k)以及相應的最優控制率11#(1〇為：
其中，ΨΟΟ為模糊神經網絡模型系數組合成的參數，辦、Θ?分別表示預測參數向量、 最優參數向量；并以^作為控制率的最優近似，代入到式（9)中，得到系統誤差與廣義預測 控制率相關聯的系統誤差表達式（13):
考慮如下的李雅普諾夫候選函數V(k)，即可以證明系統在某平衡點的穩定性的函數， 其中r是一個正整數；
其中P是所設的一個正定對稱矩陣，γ是一個正整數； 為了使跟蹤誤差收斂到〇,根據李雅普諾夫穩定性定理，需要使得λV(k)〈〇,最終得到 模型參數的自適應變化率規則如式（15)所示：
此時，系統跟蹤誤差收斂下的模型參數自適應證明完畢； S6.應用到BSMl中的溶解氧濃度控制 基于TSK模糊模型設計的廣義預測控制器，在應用到BSMl中運行過程中，由式（15)根 據系統運行狀態動態調整模糊模型結論參數，使其反映系統此時的動態特性，進而影響到 廣義預測控制律；通過對A2/0活性污泥處理系統的好氧池的氧傳遞系數進行調節，實現溶 解氧濃度的穩態控制。
3. -種污水處理過程自適應廣義預測控制系統，其特征在于：包括順序相連的GPC控 制器、污水控制模塊、反饋線性化模塊、廣義預測控制器，其中GPC控制器與廣義預測控制 器相連。
4. 根據權利要求3所述的污水處理過程自適應廣義預測控制系統，其特征在于：所述 的廣義預測控制器是基于TSK模糊模型設計的。
【專利摘要】本發明公開了一種污水處理過程自適應廣義預測控制方法，包含以下順序的步驟：首先利用反饋線性化的思想來實現自適應廣義預測控制器的設計；然后在證明其李雅普諾夫穩定的同時，得到修正系統CARIMA模型參數的自適應規則，來動態調整模型參數使得系統跟蹤誤差達到最小，實現溶解氧濃度的穩態控制。本發明的控制方法及系統，解決了普通廣義預測控制在應對較大干擾時不能實現穩定控制的問題。實驗結果表明該控制算法能夠穩定、快速地控制溶解氧濃度，具有較強的抗干擾能力，有利于實現污水處理過程的穩定、高效運行。
【IPC分類】G05D11-13, G05B13-04
【公開號】CN104865979
【申請號】CN201510093368
【發明人】許玉格, 張雍濤
【申請人】華南理工大學
【公開日】2015年8月26日
【申請日】2015年3月2日