-
公开(公告)号：CN119739035A
公开(公告)日：2025-04-01
申请号：CN202411875012.9
申请日：2024-12-18
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于神经网络的污水处理过程动态多目标优化控制方法，包括：获取污水处理过程的出水水质和能耗的特征变量；基于回声状态网络，根据特征变量构建待优化的出水水质模型和待优化的能耗模型；动态多目标优化算法，对待优化的出水水质模型和待优化的能耗模型进行优化，得到目标出水水质模型和目标能耗模型；确定目标出水水质模型和目标能耗模型中的最优溶解氧浓度和最优硝态氮浓度；基于控制公式，根据最优溶解氧浓度和最优硝态氮浓度，利用单神经元自适应控制器进行污水处理过程的动态跟踪控制。本发明解决了现有技术中污水处理过程难以实现动态优化控制及污水处理过程的能量消耗和运行成本升高的问题。
-
公开(公告)号：CN119002260B
公开(公告)日：2025-03-11
申请号：CN202411050601.3
申请日：2024-08-01
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于回声状态网络的二次启发规划多变量控制方法，实现对溶解氧和硝态氮浓度的跟踪控制。首先，基于二次启发规划设计了在线控制框架。其次，利用梯度下降算法实现了控制框架中各网络参数的在线更新。然后，通过李雅普诺夫函数对控制器进行稳定性分析，保证了系统的渐进稳定性。最后，实验结果表明所提控制器能够精准控制溶解氧和硝态氮浓度，保证污水处理过程高效稳定运行。
-
公开(公告)号：CN118567228A
公开(公告)日：2024-08-30
申请号：CN202410584480.4
申请日：2024-05-12
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明提供一种基于规定性能的城市污水处理过程多设备容错最优控制方法，解决污水处理过程中由于执行器故障的发生，导致设备运行能力和污水净化效率降低的问题。通过精确控制污水处理过程中的参数，确保设备以最优能效运行。首先，引入基于误差变换的规定性能控制方法，实现处理过程中控制器的稳定跟踪控制。其次，采用基于故障逼近的容错控制方法，解决了曝气泵和蠕动泵未知故障问题。然后，构建神经网络最优控制器，提高控制精度的同时保证了设备运行的最低能耗。最后，对系统的稳态和暂态性能进行了分析，并验证了控制系统的最优性和有效性。
-
公开(公告)号：CN116151121A
公开(公告)日：2023-05-23
申请号：CN202310181946.1
申请日：2023-02-21
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于神经网络的出水NH4‑N软测量方法，包括：对构建的回声状态网络的网络结构及网络参数进行初始化；基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池；根据条件数和差分进化算法优化子储备池；对优化后的子储备池的权值、输入权值和状态矩阵进行更新，并判断迭代次数是否小于预设迭代阈值，若是，则跳转至步骤“基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池”；若是，则计算输出权值；根据输出权值和测试样本对回声状态网络进行测试，得到确定好的出水NH4‑N检测模型；将待检测数据输入至确定好的出水NH4‑N检测模型中，得到检测结果。本发明为污水处理过程中关键水质参数的测量提供了一种高效快速的解决方案。
-
公开(公告)号：CN110542748B
公开(公告)日：2022-04-19
申请号：CN201910671720.3
申请日：2019-07-24
Applicant: 北京工业大学
Abstract: 本发明提出一种基于知识的鲁棒型出水氨氮软测量方法，属于污水处理领域。由于城市污水处理过程机理复杂、不确定干扰严重，当前出水氨氮浓度检测困难且难以建立精确的数学模型，迫切需要研究一种鲁棒型软测量方法。本发明利用基于建模误差概率密度函数分布的模糊神经网络建立了出水氨氮浓度的软测量模型：首先构建基于建模误差概率密度函数分布的鲁棒性准则；然后基于自适应梯度下降算法调整模糊神经网络的参数，直到模型满足处理信息的需求。本发明实现对出水氨氮浓度的准确测量，有助于提升城市污水处理过程出水氨氮浓度的监控水平，是污水处理过程稳定、高效运行的必要保障。
-
Patent Agency Ranking
公开(公告)号：CN113537454A
公开(公告)日：2021-10-22
申请号：CN202110620886.X
申请日：2021-06-03
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于ADw‑CLPSO径向基情感神经网络的出水氨氮软测量方法，属于污水处理领域。本方法主要设计流程如下：首先构建了一种非线性函数来改进CLPSO算法，使每个粒子的惯性权重能够自适应动态调整，然后基于改进的ADw‑CLPSO算法通过一种粒子变维学习机制以同时实现径向基情感网络训练过程中的参数更新和结构调整。以上步骤构成的基于ADw‑CLPSO径向基情感神经网络的出水氨氮软测量方法，属于本发明的保护范围。本发明通过ADw‑CLPSO算法来同时优化径向基情感网络的参数和结构，能够提高出水氨氮的预测精度，提高模型的泛化性能。
-
公开(公告)号：CN110542748A
公开(公告)日：2019-12-06
申请号：CN201910671720.3
申请日：2019-07-24
Applicant: 北京工业大学
Abstract: 本发明提出一种基于知识的鲁棒型出水氨氮软测量方法，属于污水处理领域。由于城市污水处理过程机理复杂、不确定干扰严重，当前出水氨氮浓度检测困难且难以建立精确的数学模型，迫切需要研究一种鲁棒型软测量方法。本发明利用基于建模误差概率密度函数分布的模糊神经网络建立了出水氨氮浓度的软测量模型：首先构建基于建模误差概率密度函数分布的鲁棒性准则；然后基于自适应梯度下降算法调整模糊神经网络的参数，直到模型满足处理信息的需求。本发明实现对出水氨氮浓度的准确测量，有助于提升城市污水处理过程出水氨氮浓度的监控水平，是污水处理过程稳定、高效运行的必要保障。
-
公开(公告)号：CN119644755A
公开(公告)日：2025-03-18
申请号：CN202411997011.1
申请日：2024-12-31
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明属于城市污水处理领域，提供了一种基于污水处理的逆模糊动态最优自适应曝气控制方法，包括：溶解氧浓度动力学模型构建、逆模糊动态多目标优化算法设计、评判网络和长期效用函数设置、执行网络设计、实际控制器设计、执行误差函数确定、执行网络和实际控制器参数优化以及曝气泵控制。本发明通过逆模糊动态多目标优化算法计算实现了溶解氧浓度的最优设定值的获取；通过利用评判网络和长期效用函数设计了执行网络，实现了对溶解氧浓度动力学模型未知动态信息的辨识；通过评判网络和执行误差函数，实现了对执行网络和实际控制器的优化；通过参数最优的实际控制器，实现了对曝气泵的自适应控制，提高了曝气程度的控制精度，有效降低了运行能耗。
-
公开(公告)号：CN117784598B
公开(公告)日：2025-03-11
申请号：CN202311584635.6
申请日：2023-11-27
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 基于神经网络的城市污水处理过程多设备非对称约束控制方法涉及人工智能领域。本文针对在污水处理厂容易出现执行器饱和的情况下，实现多设备的瞬态和稳态控制性能。由于污水处理厂处理过程长，干扰频繁，采用自组织模糊神经网络对动态非线性进行精确估计。由于峰值功率的限制，建立了蠕动泵和饱和气泵的统一模型，更适合污水处理厂的运行要求。由于水质波动严重，引入了非对称屏障李雅普诺夫函数，将曝气泵和回流泵的调控指标约束在预期的非对称边界内。
-
公开(公告)号：CN116451763A
公开(公告)日：2023-07-18
申请号：CN202310273240.8
申请日：2023-03-17
Applicant: 北京工业大学
IPC: G06N3/08 , G01N33/18 , G06F18/2135 , G06N3/006 , G06N3/048
Abstract: 本发明提供了一种基于EDDESN的出水NH4‑N预测方法，包括：获取待测数据；将待测数据输入训练好的深度回声状态网络，得到预测的NH4‑N的浓度；其中，深度回声状态网络的构建方法包括：构建原始网络，原始网络包括：多个输入变量和储备池；相邻的储备池之间加入有PCA映射层；对原始网络进行初始化设置，得到初始化网络；利用奇异值分解的矩阵生成方法和CSO算法对初始化网络进行参数优化，得到优化网络；对优化网络进行训练和测试，得到训练好的深度回声状态网络。本发明解决了现有技术中对于出水NH4‑N预测存在预测精度低、稳定性弱和维护成本高的问题。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.028 seconds)
