基于自适应递归模糊神经网络的污水处理控制
韩改堂
乔俊飞
韩红桂
1.北京工业大学电子信息与控制工程学院，北京100124; 计算智能与智能系统北京市重点实验室，北京1001242.北京工业大学电子信息与控制工程学院，北京100124; 计算智能与智能系统北京市重点实验室，北京1001243.北京工业大学电子信息与控制工程学院，北京100124; 计算智能与智能系统北京市重点实验室，北京100124
摘要：针对污水处理过程中具有的非线性、大时变等特征,提出了一种基于自适应递归模糊神经网络(recurrent fuzzy neural network, RFNN)的污水处理控制方法。该方法利用自适应RFNN识别器建立污水处理过程的非线性动态模型,建立的模型可以为RFNN控制器提供污水处理过程中的状态变量信息,保证了控制器根据系统响应调整操作变量的精确性；并且RFNN辨识器及RFNN控制器基于自适应学习率进行学习,确保了递归模糊神经网络的收敛精度和速度,并通过构造李雅普诺夫函数证明了此算法的收敛性；最后,基于基准仿真模型(benchmark simulation model 1, BSM1)平台进行仿真实验。结果表明,与PID、模型预测控制及前馈神经网络相比,该方法对污水处理中溶解氧浓度和硝态氮浓度的跟踪控制精度具有明显的提升。
关键词：污水处理递归模糊神经网络自适应学习率基准仿真模型(BSM1)
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金项目(61622301)国家自然科学基金项目(61533002)国家自然科学基金项目(61225016)北京市教育委员会科研计划项目(KZ201410005002)北京市教育委员会科研计划项目( km201410005001)教育部博士点基金项目(20131103110016)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1252-1258 )
英文信息