前馈神经网络在水厂混凝投药中的应用.pdfVIP

南昌大学学报(理科版) 、r01．34 第34卷第1期 No．1 of 2010年2月 JournalNanchangUniversity(NaturalScience) Feb．20lO 文章编号：1006—0464(2010)01-0094一04 前馈神经网络在水厂混凝投药中的应用 胡茗1，陈征1，曾明如2 (1．江西赣江职业技术学院，江西南昌330108；2．南昌大学信息工程学院。江西南昌330031) 摘要：为了解决自来水生产过程中混凝投药量难以控制的问题，提出了一种将神经网络前馈控制与反馈控制相 结合的控制策略。神经网络前馈控制器采用三层结构的BP神经网络模型，输入层神经元分别是原水的流量、浊 度、温度、pH值及浊度的设定值，输出层神经元为混凝投药量。反馈控制采用传统PID控制。实践证明了该控制 策略能有效降低出水浊度，并减少了投药量。 关键词：混凝投药；神经网络；前馈控制 中图分类号：TP311 文献标志码：A 随着生活水平的提高，人们对自来水水质的要 要因素(如原水的流量、水质、pH值和温度等)先行 求也越来越高。自来水生产的主要工艺流程为…： 预测混凝剂的初步投加量，目的是克服系统大滞后 将原水输送至水厂，在反应池内与混凝剂反应(称 的影响；反馈控制通过检测沉淀池出水浊度进一步 为混凝)产生矾花，经沉淀池沉淀后送至过滤池过 调节混凝剂的投加量，目的是抑制干扰的影响，保证 滤，然后到清水池消毒，最后经城市自来水管网送至 沉淀池出水口的浊度在设定范围内。前馈控制基于 千家万户。其中混凝的目的是将原水中的污泥、杂 BP神经网络设计，反馈采用PID控制，系统结构如 质从水中分离出来，是自来水厂生产的关键环节，它 图1所示。 直接影响出厂水质和制水成本。 在 混凝投药过程是一个复杂的物理化学反应过 程，对混凝剂投加量的控制直接影响混凝效果。国 度 内水厂目前多是人工根据经验采用管道泵直接投加 方式，无法控制混凝剂的最佳投加量。随着控制技 图1控制系统结构图 术的应用，出现了一些新的控制策略，如文献[2]提 出的混凝模糊控制，文献[3]提出的神经网络控制， 1．1 BP神经网络前馈控制器的设计 文献[4]提出的专家系统等，然而这些控制策略不 神经网络具有一定的联想和容错能力，很强的 能有效地解决大滞后问题，要么自学习能力或知识 非线性逼近和自学习能力，可以替代许多复杂耗时 库的更新能力不够[5“J。本文提出了神经网络前馈 的传统控制算法，在解决高度非线性和严重不确定 和PID反馈控制相结合的控制策略，很好地解决了 性系统的控制方面具有巨大的潜力一‘10|。 上述问题，达到了较好的控制效果。 本系统的前馈控制器采用三层结构的BP神经 网络模型，如图2所示，图中输入层神经元为5个， 1神经网络前馈控制与PID反馈控制 分别是原水的流量、浊度、温度、pH值及控制系统浊 投药过程具有非线性、大滞后、时变、不确定等 度的给定值(用髫”…、髫，表示)，输出层神经元1个， 特性，难以建立准确的数学模型，影响混凝剂投加量 即混凝投药量(用u表示)，隐含层神经元个数对神 的主要因素是原水的流量、浊度、pH值、温度和导电 经网络的性能有着巨大影响，太少会降低神经网络 率等，它们之问是非线性的不确定关系【7