CN110015740A - 一种基于ph值动态模型的废水处理过程控制方法 - Google Patents

Abstract

本发明公开了一种基于PH值动态模型的废水处理过程控制方法，包括以下步骤：设计并初始化分数阶PID预测控制器，得到最优参数best；通过分数阶PID预测控制器的变换算子进行算子变换得到参数newbest，代入最优参数best和参数newbest得到分数阶PID预测控制器的输出变量u(k)；选择一阶时延带干扰模型作为废水PH值的非线性模型，以输出变量u(k)作为一阶时延带干扰模型的输入，得到输出废水PH值y(k)；对输出废水PH值y(k)进行预测得到预测输出变量y(k+p)；将预测输出变量y(k+p)与目标值ysp的差值作为误差变量，结合控制器参数best与newbest，代入分数阶PID预测控制器得到目标函数j(best)和j(newbest)，当j(best)>j(newbest)时，使best＝newbest，重复上述步骤产生下一组数据，直到到达设置的最大采样点。本发明能够实现PH值的在线优化控制。

Description

一种基于PH值动态模型的废水处理过程控制方法

技术领域

本发明涉及废水处理过程pH值的控制问题，具体公开了一种基于PH值动态模型的废水处理过程控制方法。

背景技术

废水处理主要包括废水预处理、絮凝、曝气、沉淀等过程，pH值作为废水预处理过程的一个重要参数，会影响到后续絮凝等工序的进行及废水是否达标排放。因此，废水处理厂通过向废水中添加酸、碱中和剂进行化学反应来达到pH值控制的目的。废水pH值的调节主要为中和反应过程，在中和点附近的高灵敏性使其具有强非线性和不确定性，同时由于反应发生在露天、体积较大的“容器”之中，还存在较强的外界干扰及较大的滞后性。因此，为了实现废水pH值的准确、在线控制，研究在更加符合实际情况的非线性动态模型上对pH值进行优化控制显得尤为迫切。

近年来，研究者对非线性系统的研究不断深入，大量与之相关的现代控制方法和智能算法也不断地被挖掘。传统的PID控制器由于结构简单、易于操作实现，且在系统较稳定时鲁棒性较好，被广泛地应用于工程实践当中。然而，废水中和反应过程由于其强非线性及滞后特性，参数固定的PID控制器只适用于一定的工作范围内且无法克服时滞特性。随着分数阶控制系统的提出，现有文献表示，当各控制器参数调节恰当时，在相同条件下分数阶控制器的性能优于整数阶控制器，这主要得益于分数阶控制器多出的两个参数，使系统拥有更大的灵活性和更强的鲁棒性。因此，分数阶PID控制器逐渐被应用于各工业领域，同时，为了提高控制器对系统约束及干扰的处理能力，将预测控制和分数阶PID控制器相结合获得一个性能更优的分数阶预测PID控制器。

考虑到相对于传统的PID控制器，还没有系统的对分数阶预测PID控制器进行参数设计或者整定方法，引入状态转移算法来对该控制器进行参数整定。状态转移算法是一种全局优化算法，现已普遍应用于实际工业过程中，具有不错的寻优能力。

本发明利用基于数据驱动的废水pH值调节一阶时延带干扰预测模型，在此基础上设计分数阶PID预测控制器，将分数阶PID控制器的强鲁棒性和预测控制的在线滚动优化性质相结合，并针对该控制器参数设计困难的问题，创新性地引入状态转移算法对控制器进行参数整定。该控制方法具有更好的抗干扰能力、控制器参数在线整定能力，可提高系统在更大范围内的控制效果。

发明内容

本发明目的在提供一种基于PH值动态模型的废水处理过程控制方法，以解决现有技术中存在的技术缺陷。

为实现上述目的，本发明提供了一种基于PH值动态模型的废水处理过程控制方法，包括以下步骤：

设计并初始化分数阶PID预测控制器，得到一组控制器参数作为最优参数best；

通过分数阶PID预测控制器的变换算子进行算子变换得到参数newbest，代入最优参数best和参数newbest得到分数阶PID预测控制器的输出变量u(k)；

选择一阶时延带干扰模型作为废水PH值的非线性模型，以输出变量u(k)作为一阶时延带干扰模型的输入，得到输出废水PH值y(k)；

对输出废水PH值y(k)进行预测得到预测输出变量y(k+p)；

将预测输出变量y(k+p)与目标值ysp的差值作为误差变量，结合控制器参数best与newbest，代入分数阶PID预测控制器得到目标函数j(best)和j(newbest)，当j(best)>j(newbest)时，使best＝newbest，重复上述步骤产生下一组数据，直到到达设置的最大采样点。

优选地，变换算子包括旋转变换算子、平移变化算子、伸缩变换算子以及坐标变换算子。

优选地，一阶时延带干扰模型通过与上位机连接的数据库更新,具体方式为参数辨识，参数辨识的目标为最小化函数J₁：

其中：N为测试样本大小，y_out为实际输出变量，y_model为模型计算输出变量。

优选地，分数阶PID预测控制器为增量式的分数阶PID控制器：

其中：K_a＝K_i+K_d；

优选地，分数阶PID控制器的目标函数设计过程为：

得出未来P步预测输出变量：

y(k+P)＝α^Py(k)+β^P-1(u(k-l)+d(k))+...+β^P-N(u(k+N-1-l)+d(k+N-1))；

设计控制参数的目标函数：

其中：λ为控制量加权因子；P，N分别为预测步长和控制步长；

基于最小化目标函数J₂，将待优化问题理解为状态，优化算法的思想理解为状态转移，求解待优化问题的过程便是一个状态转移过程，并通过旋转、平移、伸缩和坐标四种变换操作来对分数阶PID预测控制器进行参数整定：

其中：x_k∈Rⁿ表示一个状态，对应优化问题的一个解；A_k和B_k为状态转移矩阵，可理解为优化算法的算子；u_k为状态x_k及历史状态的函数；f为目标函数。

优选地，一阶时延带干扰模型为：

y(k+1)＝αy(k)+β(u(k-l)+d(k))

其中：α，β为模型参数；1，d分别为时延和输入扰动；y为输出变量，即废水经pH值调节后的出口处废水pH值；u为中和剂的投加量。

本发明具有以下有益效果：

本发明基于数据驱动辨识得到废水pH值调节的一阶时延带干扰预测模型，在此基础上设计分数阶预测PID控制器，将分数阶PID控制器的强鲁棒性和预测控制的在线滚动优化性质相结合，最后利用状态转移算法进行控制器参数整定，实现pH值的在线优化控制。

下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明优选实施例提供的一种基于PH值动态模型的废水处理过程控制方法流程图；

图2为本发明优选实施例提供的状态转移算法流程图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

本发明提供了一种分数阶PID预测控制器在废水pH中和过程中的设计与应用方法，为具有强非线性、时变和具有较大时滞的工业系统提供一种有效的在线控制方法。

参见图1和图2，本发明的一种基于PH值动态模型的废水处理过程控制方法包括以下步骤：

S1：设计并初始化分数阶PID预测控制器，得到一组控制器参数作为最优参数best；

S2：通过算法的变换算子得到另一组参数newbest；

S3：代入两组参数得到分数阶PID控制器方程的输出变量u(k)；

S4：选择一阶时延带干扰模型作为废水PH值的非线性模型，可知以输出变量u(k)作为模型的输入，可以得到相应输出废水PH值y(k)；

S5：将输出废水PH值y(k)进行预测得到下一时刻预测输出变量y(k+1)；

S6：将预测输出变量与目标值ysp的相减得到误差变量,重复步骤S2-S5，得到一组预测至未来P步的参数；

S7：结合控制器参数best与newbest，代入分数阶PID预测控制器得到目标函数j(best)和j(newbest)，当j(best)>j(newbest)时，newbest更加满足最小化目标函数的要求，使best＝newbest，重复S2-S6产生下一组数据，直到到达设置的最大采样点。

得到一组控制器参数作为最优参数best，本发明的算法设计为五维的，初始化就是在范围内随机给定一组控制器参数值Kp,Ka,Kj,λ,μ，在下一次循环时重新根据变换算子对该值进行更新。

选择一阶时延带干扰模型的依据是：废水pH中和过程的特性，强非线性、大时滞。干扰在仿真过程中可以设置为高斯白噪声。

目标值在不通工况下要求不同，中和过程一般理想状态下pH是7。

优选地，变换算子包括旋转变换算子、平移变化算子、伸缩变换算子以及坐标变换算子。

优选地，一阶时延带干扰模型通过与上位机连接的数据库更新,具体方式为参数辨识，参数辨识的目标为最小化函数J₁：

其中：N为测试样本大小，y_out为实际输出变量，y_model为模型计算输出变量。

为了避免模型不匹配的问题，所以需要对模型进行更新。

数据库与模型的参数辨识所需代码主要安装保存在工厂的上位机当中，在设定时间节点内利用数据库中更新的数据自动调取代码对模型进行更新,辨识的目标为最小化函数J1。工厂的上位机通过以太网与PLC进行连接，获取到的数据保存并更新至SQL数据库中，并在设定时间节点内将数据导出表格格式，随后，代码自动调取表格，读取数据并进行处理后，通过最小化目标函数J₁对模型进行参数辨识，以更新废水pH值的非线性模型。

优选地，一阶时延带干扰模型为：

y(k+1)＝αy(k)+β(u(k-l)+d(k))

其中：α，β为模型参数；1，d分别为时延和输入扰动；y为输出变量，即废水经pH值调节后的出口处废水pH值；u为中和剂的投加量。

优选地，分数阶PID预测控制器为增量式的分数阶PID控制器：

其中：K_a＝K_i+K_d；

优选地，分数阶PID控制器的目标函数设计过程为：

得出未来P步预测输出变量：

y(k+P)＝α^Py(k)+β^P-1(u(k-l)+d(k))+...+β^P-N(u(k+N-1-l)+d(k+N-1))；

设计控制参数的目标函数：

其中：λ为控制量加权因子；P，N分别为预测步长和控制步长；

基于最小化目标函数J₂，将待优化问题理解为状态，优化算法的思想理解为状态转移，求解待优化问题的过程便是一个状态转移过程，并通过旋转、平移、伸缩和坐标四种变换操作来对分数阶PID预测控制器进行参数整定：

其中：x_k∈Rⁿ表示一个状态，对应优化问题的一个解；A_k和B_k为状态转移矩阵，可理解为优化算法的算子；u_k为状态x_k及历史状态的函数；f为目标函数。

本发明方法比较了PID控制器、分数阶PID和分数阶预测PID控制器的控制性能，在相同情况下基于废水pH值的控制模型进行仿真，控制效果如表1所示：

表1：关于控制器稳定时间和稳定误差的仿真结果

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于PH值动态模型的废水处理过程控制方法，其特征在于，包括以下步骤：

设计并初始化分数阶PID预测控制器，得到一组控制器参数作为最优参数best；

通过所述分数阶PID预测控制器的变换算子进行算子变换得到参数newbest，代入最优参数best和参数newbest得到所述分数阶PID预测控制器的输出变量u(k)；

选择一阶时延带干扰模型作为废水PH值的非线性模型，以输出变量u(k)作为所述一阶时延带干扰模型的输入，得到输出废水PH值y(k)；

对所述输出废水PH值y(k)进行预测得到预测输出变量y(k+p)；

将所述预测输出变量y(k+p)与目标值ysp的差值作为误差变量，结合控制器参数best与newbest，代入所述分数阶PID预测控制器得到目标函数j(best)和j(newbest)，当j(best)>j(newbest)时，使best＝newbest，重复上述步骤产生下一组数据，直到到达设置的最大采样点。

2.根据权利要求1所述的一种基于PH值动态模型的废水处理过程控制方法，其特征在于，所述变换算子包括旋转变换算子、平移变化算子、伸缩变换算子以及坐标变换算子。

3.根据权利要求1所述的一种基于PH值动态模型的废水处理过程控制方法，其特征在于，所述一阶时延带干扰模型通过与上位机连接的数据库更新,具体方式为参数辨识，所述参数辨识的目标为最小化函数J₁：

其中：N为测试样本大小，y_out为实际输出变量，y_model为模型计算输出变量。

4.根据权利要求1所述的一种基于PH值动态模型的废水处理过程控制方法，其特征在于，所述分数阶PID预测控制器为增量式形式的分数阶PID控制器：

其中：K_a＝K_i+K_d；

5.根据权利要求4所述的一种基于pH值动态模型的废水处理过程控制方法，其特征在于，所述分数阶PID控制器的目标函数设计过程为：

得出未来P步预测输出变量：

y(k+P)＝α^Py(k)+β^P-1(u(k-l)+d(k))+...+β^P-N(u(k+N-1-l)+d(k+N-1))；

设计控制参数的目标函数：

其中：λ为控制量加权因子；P，N分别为预测步长和控制步长，e(k)为设定点和预测值的差值；

基于最小化目标函数J₂，将待优化问题理解为状态，优化算法的思想理解为状态转移，求解待优化问题的过程便是一个状态转移过程，并通过旋转、平移、伸缩和坐标四种变换操作来对分数阶PID预测控制器进行参数整定：

其中：x_k∈Rⁿ表示一个状态，对应优化问题的一个解；A_k和B_k为状态转移矩阵，可理解为优化算法的算子；u_k为状态x_k及历史状态的函数；f为目标函数。

6.根据权利要求1所述的一种基于pH值动态模型的废水处理过程控制方法，其特征在于，一阶时延带干扰模型为：

y(k+1)＝αy(k)+β(u(k-l)+d(k))

其中：α，β为模型参数；l，d分别为时延和输入扰动；y为输出变量，即废水经pH值调节后的出口处废水pH值；u为中和剂的投加量。