《基于IHPSO算法的污水处理过程集成神经网络软测量模型》.pdfVIP

信 息 与 控 制 2014年 第43卷 第 1期：123—128 DOI：10．3724／SP．J．1219．2014．00123 文章编号：1002—0411(2014)一0l一0123—06 基于 IHPSO算法的污水处理过程集成神经网络软测量模型 任东红，韩红桂 ，乔俊飞 北京工业大学电子信息与控制工程学院，北京 100124 基金项 目：国家 自然科学基金资助项 目61203099)；北京市 自然科学基金资助项 目(4122006)；教育部博士点新教师基金资助项 目(20121103120020) 通信作者：乔俊飞，isibox@sina．corn 收稿／录用／修回：2013—01—25／2013一O3—27／2013—12一O2 摘要 关键词 针对污水处理过程关键水质参数的测量问题，提出了一种基于改进混合粒子 污水处理过程 群算法的集成神经网络软测量方法．本方法利用 出水关键水质参数 (出水 COD，出 集成神经网络 水BeD，出水TN，出水TP)之间的耦合关系，建立了基于集成前馈神经网络的软测 改进粒子群算法 量模型．同时利用改进的粒子群算法对集成神经网络进行训练，该训练算法具有较 关键参数测量 高的精度，能够建立有效的污水处理过程软测量模型．仿真结果表明，基于该算法 中图分类号：TP18 的污水处理过程集成神经网络软测量模型能够准确地测量出水关键水质参数，测 文献标识码：A 量精度较高． HierarchicallyNeuralNetworkSoftM easurementM odelingBasedon IHPSO Algorithm forW astewaterTreatmentProcess REN Donghong。HANHonggui。QIAOJunfei CollegeofElectronicInformationandControlEngineering，BeringUniversityofTechnology，Beijing100124，China Abstract Keywords A hierarchicallyneuralnetworksoftmeasurementmethodbasedellimprovedhybridparticleswamiopti— wastewatertreatmentprocess； mization(IHPSO)isproposedforthekeyparametermeasurementinawastewatertreatmentprocess．Based hierarchicallyneuralnetwork Ollthecorrelationshipamongthekeyparameters，namely，chemicaloxygendemand(COD)，biochemicalox一 (HNN)； ygendemand(BOD)，totalnitrogen(NT)，andtotalphosphoms(TP)，ansoftmeasurementmodelofinter- improved hybrid particle gatedfeed—forwardneuralnetworkisestablished．Meanwhile，amodifiedparticleswarmoptimizationisap— swarmoptimization(IHPSO)； pliedtotrainingthenewneuralnetwork，whichhasahigherprecisionandismoreeffectivewhenasoftmeas— keyparametermeasurement urementmodelforthewastewatertreatmentprocessisconstruct