基于POD-LSTM的污水处理过程模型预测控制

为了解决模型预测控制在污水处理等大型非线性系统中求解非线性优化问题时计算成本较高的问题,本文提出了一种应用于污水处理基准的降阶神经网络模型预测控制算法。首先,针对污水处理中的大规模非线性和强耦合性系统,采用本征正交分解方法构建出降阶过程模型,降低非线性系统的复杂度。然后,利用长短期记忆网络来近似降阶之后的系统,从而解决降阶后的系统难以用显式表达的问题。最后,在此降阶系统的基础上设计模型预测控制器,实现对污水处理的高效控制。实验结果表明,在保证较好控制效果的同时,所提出的降阶神经网络模型预测控制策略相较于污水处理第一原理模型的模型预测控制策略,计算时间大幅度减少。