基于Hopfield 神经网络的污水处理过程优化控制
CSTR:
作者:
作者单位:

北京工业大学电子信息与控制工程学院,北京100124.

作者简介:

乔俊飞

通讯作者:

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61034008, 61225016);北京市自然科学基金项目(4122006);教育部博士点新教师基金项目(20121103120020).


Optimal control for wastewater treatment process based on Hopfield neural network
Author:
Affiliation:

College of Electronic Information and Control,Beijing University of Technology,Beijing 100124,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对前置反硝化污水处理过程的优化控制问题, 提出一种基于拉格朗日乘子法的Hopfield 神经网络优化方法. 构造了污水处理过程约束优化问题的数学表达式, 通过Hopfield 神经网络优化计算生化池第5 分区溶解氧浓度和第2 分区硝态氮浓度的设定值, 并采用PID 控制器实现底层的跟踪控制. 基于国际标准的Benchmark 基准仿真平
    台进行仿真实验, 结果表明污水处理系统在出水关键水质达标的基础上, 能够显著降低能耗.

    Abstract:

    For the optimal control problem of predinitrification wastewater treatment process, a Hopfield neural network optimization method based on the Lagrange multiplier is proposed. Firstly, under the constrain of some key effluent pollutant qualities, a wastewater treatment optimization objective function is constructed to minimise the energy consumption. Then, the set points in bioreactor of both dissovled oxygen concentration in the 5th compartment and nitrate concentration in the 2nd compartment are optimized by Hopfiled neural network, respectively. Both concentrations are controlled by PID controller. Finally, based on the international standard benchmark, the simulation results show that through the optimization of Lagrange multiplier Hopfield neural network, the energy consumption of wastewater treatment process is reduced obviously under constraints of effluent pollutant qualities.

    参考文献
    相似文献
    引证文献
引用本文

韩广 乔俊飞 韩红桂 柴伟.基于Hopfield 神经网络的污水处理过程优化控制[J].控制与决策,2014,29(11):2085-2088

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-07-11
  • 最后修改日期:2013-10-15
  • 录用日期:
  • 在线发布日期: 2014-11-20
  • 出版日期:
文章二维码