基于递归模糊神经网络的污水处理控制方法

2016年3月CIESCJournalMarch2016第67卷第3期化工学报Vol.67No.3基于递归模糊神经网络的污水处理控制方法韩改堂1,2，乔俊飞1,2，韩红桂1,2（1北京工业大学电子信息与控制工程学院，北京100124；2计算智能与智能系统北京市重点实验室，北京100124）摘要：针对污水处理过程具有非线性、大时变等问题，提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度，控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了动量项来训练网络参数，避免网络陷入局部最优，提高了网络对系统的控制精度。最后，基于仿真基准模型（BSM1）平台对第五分区中的溶解氧和第二分区中的硝态氮控制进行动态仿真实验，结果表明，与PID、前馈神经网络和常规递归神经网络相比，该方法能有效提高系统的自适应控制精度。关键词：污水处理过程；递归模糊神经网络；控制；自适应学习算法；溶解氧；硝态氮；动态仿真DOI：10.11949/j.issn.0438-1157.20151898中图分类号：TP273文献标志码：A文章编号：0438—1157（2016）03—0954—06WastewatertreatmentcontrolmethodbasedonrecurrentfuzzyneuralnetworkHANGaitang1,2,QIAOJunfei1,2,HANHonggui1,2(1CollegeofElectronicInformationandControlEngineering,BeijingUniversityofTechnology,Beijing100124,China;2BeijingKeyLaboratoryofComputationalIntelligenceandIntelligentSystem,Beijing100124,China)Abstract:Duetothenonlinearandhighlytime-varyingissuesofwastewatertreatmentprocesses,akindofmulti-variablecontrolmethodbasedontherecurrentfuzzyneuralnetwork(RFNN)isproposed.Theprop