基于免疫优化PID 神经网络的污水处理系统解耦控制倡.docVIP

第?２８ 卷第?１１ 期 ２０１１ 年?１１ 月　  计 算 机 应 用 研 究 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆ Ｃｏｍｐｕｔｅｒｓ  Ｖｏｌ．２８ Ｎｏ．１１  基 于 免 疫 优 化 ＰＩＤ 神 经 网 络 的 污 水 处 理 系 统 解 耦 控 制?倡 １?，２???????????２???????????２???????????２???????????１ （１?．广西工学院 电子信息与控制工程系， 广西 柳州?５４５００６?；?２?．华南理工大学 自动化科学与工程学院， 广州?５１０６４１?） 摘　要： 针对氨氮浓度和硝态氮浓度之间相互耦合，以及常规的 ＰＩＤ 控制方法难以获得满意控制效果的特点， 以溶解氧浓度和内循环流量为操作变量，采用 ＰＩＤ 神经网络对氨氮浓度和硝态氮浓度进行解耦控制；针对 ＰＩＤ 神经网络连接权值容易陷入局部最优值，应用免疫算法优化 ＰＩＤ 神经网络连接权值。 仿真结果表明，该方法对 污水生化处理系统具有很好的解耦能力和控制品质。 关键词： 污水生化处理； 解耦控制； ＰＩＤ 神经网络； 免疫优化 中图分类号： ＴＰ１８１?　　　文献标志码： Ａ　　　文章编号：?１００１?唱３６９５（?２０１１）?１１?唱４０９７唱０３ ３ Ｄｅｃｏｕｐｌｉｎｇ ｃｏｎｔｒｏｌ ｏｆ ｗａｓｔｅｗａｔｅｒ ｔｒｅａｔｍｅｎｔ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ １?，２???????????????????２??????????????????????２????????????????????????２????????????????????????????１ （１?．Ｄｅｐｔ．ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ ＆ Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｇｕａｎｇｘｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｌｉｕｚｈｏｕ Ｇｕａｎｇｘｉ?５４５００６?， Ｃｈｉｎａ；?２?．Ｓｃｈｏｏｌ ｏｆ Ａｕｔｏｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｓｏｕｔｈ Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｇｕａｎｇｚｈｏｕ?５１０６４１?， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ａｉｍｉｎｇ ａｔ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ｔｈｅ ｓｔｒｏｎｇ ｃｏｕｐｌｉｎｇ ｂｅｔｗｅｅｎ ａｍｍｏｎｉａ ｎｉｔｒｏｇｅｎ ａｎｄ ｎｉｔｒａｔｅ ｎｉｔｒｏｇｅｎ， ａｎｄ ｔｈｅ ｃｏｎｖｅｎ唱 ｐｒｏａｃｈ ｔｏ ａｃｈｉｅｖｅ ｄｅｃｏｕｐｌｉｎｇ ｃｏｎｔｒｏｌ ｆｏｒ ａｍｍｏｎｉａ ｎｉｔｒｏｇｅｎ ａｎｄ ｎｉｔｒａｔｅ ｎｉｔｒｏｇｅｎ， ｗｈｅｒｅ ｒｅｇａｒｄｅｄ ｄｉｓｓｏｌｖｅｄ ｏｘｙｇｅｎ ｃｏｎｃｅｎｔｒａｔｉｏｎ Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｉｓ ｐｒｏｂｌｅｍ， ｐｒｏｐｏｓｅｄ ｔｈｅ ｉｍｍｕｎｅ ａｌｇｏｒｉｔｈｍ ｔｏ ｏｐｔｉｍｉｚｅ ｔｈｅ ｃｏｎｎｅｃｔｉｏｎ ｗｅｉｇｈｔｓ ｏｆ ＰＩＤ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ｓｉｍｕ唱 ｔｒｅａｔｍｅｎｔ ｓｙｓｔｅｍ．  ０?　引言 污水生化处理是一个复杂的非线性反应过程，具有很大的 时滞性、不确定性和强耦合性，难以实现精确的控制。 常规的 控制方式没有考虑输入输出量之间的耦合，控制系统很难稳定 在最佳状态。 文献［１］ 建立了多参数控制对象模型，设计出了 污水处理解耦控制模型，把双变量控制系统分解为两个相互独 立的单变量控制系统。 文献［?２?］ 设计了污水生化处理系统解 耦矩阵，采用试凑法获得 ＰＩＤ 控制器的控制参数，通过静态解 耦实现了系统的 ＰＩＤ 解耦控制。 但是，基于传递函数矩阵分析 的解耦方法，在实际应用中由于系统存在测量误差及干扰，得 到的系统模型不够精确，影响解耦精度。 ［３?］ 是分别定义了具有比例、积分、微分功能的神经元，从而将 ＰＩＤ 控制规律融合进神经网络中。 ＰＩＤＮＮ 通过在线学习，根据对 象参数发生变化时对系统输出性能的影响来调整连接权值，使 系统具备良好的 动 态 性 能 和静态性能，以达到解耦控制的目  的。 文献［４］ 针对流浆箱设计了一种基于 ＢＰ 神经网络的双变 量 ＰＩＤ 解耦控制系统，但是 ＢＰ 算法全局搜索能力弱，容易陷 入局部极值。 训练结果与初始权值和学习步长选取密切相关， ［５］ ＰＩＤＮＮ 在非线性多变量系统解耦控制中的应用已有一些 ［?６?～８?］ ［９］ ［?１０１４?］ 一些研究将其他算法与 ＰＩＤＮＮ 相结合，提高解耦性能。 文献 ［１５］ 提出球磨机的混沌粒子群算法与 ＢＰ 混合优化前向神经 网络 ＰＩＤ 解耦控制系统，控制品质优于传统 ＰＩＤ