污水处理系统测控方法

　　申请日2015.12.17

　　公开(公告)日2016.03.02

　　IPC分类号G05B13/04

　　摘要

　　本发明公开了一种污水处理系统测控方法，包括以下步骤：建立神经网络，根据已有的历史监测数据，使用BP神经网络，附加动量学习规则，训练神经网络;由粒子群算法，求解神经网络的最优输入参量;以神经网络估计与实测的误差数据一起，使用附加动量学习规则，更新训练神经网络。本发明解决了污水处理厂出水水质的BOD、总氮、总磷等浓度参数主要靠人工化验来确定，大大滞后于处理水的排放过程，无法实时对排放的处理水是否合格进行判断，盲目排放造成二次污染的问题。

　　摘要附图

　　权利要求书

　　1.一种污水处理系统测控方法，其特征在于，包括以下步骤：

　　1)根据对污水处理厂的水质参数的记录，统计出进水BOD、总氮、总磷、 MLSS的浓度及进水流量，对应时刻的出水BOD、总氮、总磷的数据;将进水 BOD、总氮、总磷、MLSS的浓度及进水流量作为输入参量，将出水BOD、总氮、总磷作为输出参量，建立神经网络，根据已有的历史监测数据，使用BP 神经网络，附加动量学习规则，训练神经网络;

　　2)根据污水处理厂出水BOD、总氮、总磷的规定值，由粒子群算法，求解神经网络的最优输入参量，即进水BOD、总氮、总磷、MLSS的浓度及进水流量;

　　3)根据上一循环神经网络估计误差判断是否需要人工采样，如需要，通过人工采样然后离线分析，对比得出实测的出水BOD、总氮、总磷与神经网络估计出的出水BOD、总氮、总磷的误差，然后将这组实测的出水BOD、总氮、总磷数据，以及神经网络估计与实测的误差数据一起，使用附加动量学习规则，更新训练神经网络;如不需要人工采样，则返回步骤2)。

　　2.如权利要求1所述的污水处理系统测控方法，其特征在于，所述粒子群算法，步骤如下：

　　1)初始化粒子群：确定粒子群大小NP，粒子群算法迭代次数NG，初始化粒子位置，计算每个粒子的适应度并初始化全局最优解与个体最优解;

　　计算粒子适应度的函数为：

　　 $F i t n e s s = \underset{i}{Σ} {(O_{i} - O_{i}^{'})}^{2}$

　　其中，Oi表示神经网络输出向量的第i个元素，O′i为理论期望的输出向量的第i个元素;

　　2)更新粒子群：粒子群的运动方程如下：

　　v(t)=ω·v(t-1)+c1·(lbest-x(t))+c2·(gbest-x(t))

　　x(t+1)=x(t)+c3·v(t)

　　其中ω取为i为粒子群算法的本次迭代次数，c1,c2,c3为常数，c1,c2取值为2.8，c3取值为0.3，lbest为每个粒子搜索过的个体最优解，gbest为所有粒子搜索过的全局最优解;

　　3)计算本次迭代的粒子适应度，更新个体最优解与全局最优解：即对每个粒子，将本次迭代产生的适应度，与当前个体最优解相比，取适应度较小的为个体最优解，与所有粒子搜索过的全局最优解相比，取适应度较小的为全局最优解;

　　4)判断是否达到迭代NG次，若是，则输出全局最优解，若否，则返回步骤2)。

　　3.如权利要求1或2所述的污水处理系统测控方法，其特征在于，所述附加动量学习法，更新规则如下式：

　　 $ω (t + 1) = ω (t) - (1 - a) η \frac{\partial E_{T}}{\partial ω (t)} + a Δ ω (t)$

　　其中Δω(t)=ω(t)-ω(t-1)，ET为神经网络的训练误差，η为权重，a为动量因子，取0.9。

　　4.一种污水处理系统测控方法，其特征在于，包括以下步骤：

　　2)根据污水处理厂出水BOD、总氮、总磷的规定值，由遗传算法，求解神经网络的最优输入参量，即进水BOD、总氮、总磷、MLSS的浓度及进水流量;

　　所述遗传算法包括以下步骤：

　　①采用实数编码，初始化染色体，形成初始种群;

　　②利用适应度函数评价各代中的每个染色体;

　　③进行遗传操作;

　　④重新计算每个个体的适应值;

　　⑤选择好新种群后，对新种群中的最优个体进行保留，用上代的最优个体取代本代的最差个体;

　　⑥判断是否达到进化代数，若没有，则返回第②步，否则结束;

　　⑦将新种群中的最优个体的值作为和，保持不变，采用BP算法进行学习，直到满足性能指标;

　　5.如权利要求1或4所述的污水处理系统测控方法，其特征在于，先对进水BOD、总氮、总磷、MLSS的浓度及进水流量的采集数据进行数据预处理，预处理方法为先采用统计判别法的拉依达准则剔除含有显著误差的异常数据，然后进行滤波，滤波方法如下：

　　1)对被测参数进行滤波，即对被测参数连续采样多次，将采样值进行排序，选取中间值为本次有效采样值;

　　2)对被测参数进行有限脉冲响应滤波，先给定理想滤波器的频率特性 Hd(ejw);

　　3)计算理想滤波器的单位抽样响应，

　　4)设置滤波器形式、窗函数类型、窗口长度N参数为：采样频率fs=150Hz，通带截止频率fp=5Hz，阻带起始频率fst=15Hz，阻带衰减不小于-50dB，窗函数类型采用Hamming窗，滤波器阶数N=30;

　　5)调用MATLAB函数计算滤波器系数w(n);

　　6)计算所设计滤波器的单位抽样响应h(n)=hd(n)w(n);

　　7)将设计好的N个h(n)序列存入对应存储区;

　　8)将中值滤波结果x1作为x(n)存入对应存储区;

　　9)循环读取h(n)、x(n)值进行卷积运算，求得在线滤波结果 $y (n) = Σ_{m = 0}^{N - 1} x (m) h (n - m) .$

　　说明书

　　污水处理系统测控方法

　　技术领域

　　本发明涉及一种污水处理方法，尤其涉及一种污水处理系统测控方法，属于污水处理设备技术领域。

　　背景技术

　　污水处理的目的是减低对环境的污染，这就要求必须检测处理出水中的 BOD、总氮、总磷等参数，使其达到国家污水排放标准相关规定的要求。目前污水处理厂出水水质的BOD、总氮、总磷等浓度参数主要靠人工化验来确定，其中有些参数甚至需要数天时间才能得到化验结果，大大滞后于处理水的排放过程，无法实时对排放的处理水是否合格进行判断，盲目排放易造成二次污染。因此，解决上述问题十分必要。

　　发明内容

　　本发明的目的在于提供一种污水处理系统测控方法，解决污水处理过程中出水水质的BOD、总氮、总磷等浓度参数无法实时检测的技术问题。

　　本发明的目的通过以下技术方案予以实现：

　　一种污水处理系统测控方法，包括以下步骤：