ANFIS在混凝投药前馈控制器中应用的仿真研究

在水处理中混凝投药前馈控制器的应用效果好坏关键在于控制器是否对混凝投药过程具有良好的模型辨识能力,传统的控制器效果都不太理想,而且存在沉淀池出水浊度波动大,药剂浪费严重等问题。为了解决该问题,介绍了一种用多层前馈神经网络优化模糊逻辑系统的自适应模糊推理系统——ANFIS。它具有良好的非线性函数逼近能力,在ANFIS投药前馈控制器的设计中,运用减法聚类对样本数据进行空间划分,获取初始模糊隶属函数和模糊规则,得到ANFIS模型的初始结构。用烧杯试验历史数据进行了仿真验证,并与传统的回归模型前馈投药控制仿真比较,结果表明ANFIS投药前馈控制模型明显优于回归模型,它能够根据原水水质适时有效预测混凝投药量。

水处理中线性回归和BPNN预测混凝投药量的比较

BP神经网络和线性回归模型是混凝投药前馈控制中2种不同的预测混凝投药量的方法。分别用这2种方法建立了混凝投药量前馈控制模型,并基于同一样本数据进行仿真比较。结果表明,该3层结构BP模型通过学习可以根据原水水质进行投药量的有效预测,优于传统的线性回归模型,具有较强的自适应性和实用性。但对某些水质的投药预测值还存在一定误差。