基于递归RBF神经网络的MBR膜透水率软测量

第43卷第8期2017年8月北京工业大学学报JOURNALOFBEIJINGUNIVERSITYOFTECHNOLOGYVol.43No.8Aug.2017基于递归RBF神经网络的MBR膜透水率软测量韩红桂，张硕，乔俊飞(北京工业大学电子信息与控制工程学院，北京100124)摘要：针对膜生物反应器(membranebio-reactor，MBR)污水处理过程中膜透水率难以测量的问题，提出一种基于递归径向基神经网络（recurrentradialbasisfunctionneuralnetwork，RRBFNN)的软测量方法.首先，基于污水处理过程中的实际运行数据，应用偏最小二乘法（partialleastsquares，PLS)筛选出与膜透水率相关的过程变量;其次，基于RRBFNN建立膜透水率的软测量模型，利用快速梯度下降算法对RRBFNN的参数进行调整，保证了软测量模型的精度;最后，将设计的膜透水率软测量模型应用于实际污水处理过程中，使用污水处理厂实测数据对模型进行验证.验证结果表明，该软测量模型能够实现膜透水率的准确预测，具有较好的预测精度.关键词：膜生物反应器（MBR);透水率；偏最小二乘；递归RBF神经网络；软测量技术中图分类号：TP183文献标志码：A文章编号：0254-0037(2017)08-1168-07doi：10.11936/bjutxb2016100056Soft-sensorMethodforPermeabilityoftheMembraneBio-ReactorBasedonRecurrentRadialBasisFunctionNeuralNetworkHANHonggui，ZHANGShuo,QIAOJunfei(CollegeofElectronicInformationandControlEngineering，BeijingUniversityofTechnology，Beijing100124，China)Abstract：Asoft-sensormethod，basedontherecurrentradialbasisfunctionneuralnetwork(RRBFNN)，wasproposedinthispapertosolvetheproblemofthepermeabilitymeasurementofmembranebio-reactor(MBR).First，thedatawascollectedfromarealwastewatertreatmentprocessinBeijingandthepartialleastsquares(PLS)techniquewasutilizedtoselectthevariableswhichhavethelargestcorrelationwiththepermeability.Then，thesoft-sensormodelwasdevelopedtopredictthepermeabilityviaRRBFNN.Meanwhile，afastgradientdescentmethodwasusedtoadjusttheparametersofRRBFNN.Finally，thissoft-sensormethodwasappliedtotherealwastewatertreatmentprocess.Theresultsshowthattheproposedsoft-sensormethodcanpredictthepermeabilityofMBRwithhighaccuracy.Keywords：membranebio-reactor(MBR)；permeability;partialleastsquares;recurrentradialbasisfunctionneuralnetwork;soft-sensortechnique膜生物反应器（membranebio-reactor，MBR)是一种膜分离技术与生物技术相结合的新型污水处理技术[1],它具有占地省、剩余污泥产生量低、易于实现自动化控制、污染物去除效率高以及出水水质良好等优点[2-3].自20世纪90年代以来，MBR在市政、工业、农业的污水处理中有较为广泛的应用.但收稿日期：2016-10-24基金项目：国家自然科学基金资助项目（61225016,61533002,61622301);中国博士后科学基金资助项目（2014M550017);教育部博士点基金资助项目（20131103110016)作者简介：韩红桂(1983—)，男，教授，主要从事污水处理过程建模、优化与控制方面的研究，E-mail：rechardhan@bjut.edu.cn第8期韩红桂，等：基于递