基于参数优化的自适应模糊神经网络控制在污水处理中的应用

针对活性污泥污水处理系统的机理模型具有复杂的非线性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种优化的自适应模糊神经网络控制方法,分析了控制模型参数对系统的影响,并经过数据训练得到控制器各参数的寻优方法,获得系统的最优化参数。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较高的控制效果与控制精度。与传统控制方法相比,该控制方法更具有鲁棒性。仿真结果验证了该控制方法的有效性和正确性。

神经网络模型参考自适应控制在污水处理中的仿真研究

污水处理厂目前广泛使用序批式活性污泥法处理污水。该方法是一种复杂动态生物反应过程,难以建立准确的数学模型,同时采用常规的PID控制难以达到较好的控制品质。针对以上问题,该文提出了RBF神经网络模型参考自适应控制策略,利用神经网络辨识器对污水处理模型进行辨识,使神经网络控制器不依赖被控对象精确的数学模型。仿真结果表明,该系统控制效果非常好,误差小,达到了预测精度。