CN110412865B - Pid-lssvm稳态估计污水溶解氧控制方法 - Google Patents
Pid-lssvm稳态估计污水溶解氧控制方法 Download PDFInfo
- Publication number
- CN110412865B CN110412865B CN201910821289.6A CN201910821289A CN110412865B CN 110412865 B CN110412865 B CN 110412865B CN 201910821289 A CN201910821289 A CN 201910821289A CN 110412865 B CN110412865 B CN 110412865B
- Authority
- CN
- China
- Prior art keywords
- control
- lssvm
- state
- steady
- pid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 19
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims description 4
- 229910052760 oxygen Inorganic materials 0.000 title claims description 4
- 239000001301 oxygen Substances 0.000 title claims description 4
- 230000006870 function Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005273 aeration Methods 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims 1
- 230000010354 integration Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000007547 defect Effects 0.000 abstract 1
- 238000012843 least square support vector machine Methods 0.000 abstract 1
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Activated Sludge Processes (AREA)
- Feedback Control In General (AREA)
Abstract
本发明针对污水处理DO控制滞后问题,提出了一种基于比例积分微分(PID)‑最小二乘支持向量机(LSSVM)稳态估计的控制方法;首先通过采集PID控制下各种状态数据,用LSSVM来学习拟合出各初始状态与该状态下的PID控制器稳态输出值的关系,然后采用训练后的LSSVM估计稳态输出和比例积分微分控制器相结合的方法进行DO控制,当误差小于等于某预定值时,引入积分控制项,改善控制精度。本发明可以改善传统PID污水DO控制滞后的缺点,有利于DO的稳定控制。
Description
技术领域
本发明涉及的是一种污水处理溶解氧(DO)领域的控制方法,具体地说,涉及一种基于比例积分微分(PID)-最小二乘支持向量学习机(LSSVM)稳态估计的污水处理DO控制方法。
背景技术
随着经济社会的快速发展,水污染的问题日益凸显,有关于污水处理控制的技术研究受到越来越多的重视。其中,污水处理过程中DO是曝气控制的关键参数,存在大滞后、大惯性和时变等特点,常规PID控制,通过积分控制达到消除稳态误差的过程较长,控制滞后效果不理想,需要寻找优化的控制方案。
发明内容
技术方案:本发明提供了一种基于PID-LSSVM稳态估计的污水处理DO控制方法,利用LSSVM稳态估计来给出污水处理DO在不同情况下的控制信号的稳态值,再与比例积分微分控制器结合在一起进行控制,并在较小误差情况启动积分控制,改善控制精度。控制过程分为两阶段,阶段实现如下:
阶段1:先采用传统的PID控制器进行污水处理DO控制,采集在不同状态时污水处理DO控制状态数据xi=(O*,OI,E,U),包括出水DO给定当前值O*,入水DO当前值OI,出水DO给定与出水DO当前值Oo的误差E,当前控制输出U以及各状态对应的PID控制器的稳态输出值yi,用LSSVM来拟合出各状态与该状态下的PID控制器稳态输出值的关系。设学习样本为 LSSVM回归通过非线性映射Φ将数据映射到高维特征空间,再在高维特征空间进行线性回归:
式中αi∈R是Lagrange乘子,偏置b∈R,N为样本个数,K(x,xi)为满足Mercer条件的核函数,可采用多种核函数如:
径向基(RBF)核函数:K(x,xi)=exp(-|x-xi|2/σ2)。其中σ为径向基宽度
多项式核函数:K(x,xi)=(xTxi+1)u(u∈N),u为指数
Sigmoid函数:K(x,xi)=tanh(a(xTxi)+c)(a,c∈R),a,c为参数通过支持向量学习得预测模型,从而预测输出。
将采集的数据中的70%作为训练样本,剩余30%作为测试样本,将系统状态xi作为LSSVM的输入,各初始状态所对应的PID控制器稳态输出值yi作为LSSVM的输出,通过求解,可以得到以各启动状态作为输入,以PID控制器稳态值为输出的LSSVM模型,具体步骤如下:
Step1采集实际运行数据xi和yi,将xi和yi进行归一化处理;
Step2采用LSSVM标准训练算法对LSSVM进行训练,通过网格优化法对不同模型参数(惩罚系数C、核函数参数)对LSSVM进行学习和交叉验证测试,得到最佳LSSVM模型;
阶段2:将训练好的LSSVM用于污水处理DO控制,实时采集过程状态数据x,归一化后带入LSSVM模型(3)式得到稳态输出估计值,根据误差E的大小选择不同的控制器,当E>ε时采用PD控制,当E≤ε时采用PID控制,最后叠加稳态估计值形成控制输出:
U=UPID+UW (4)
其中P为比例系数,TI为积分系数,Td为微分系数,与阶段1相同,ΔE为两次误差差值,U为输出控制值,Umax和Umin分别为输出的最大和最小限幅值。采用PID控制的目的是能对一些小扰动随时调节,提高控制的稳态精度。
附图说明
图1为基于PID-LSSVM稳态估计的污水处理DO控制系统结构图
具体实施方式:以某污水处理DO控制系统为例,采集在不同状态时污水处理DO控制状态数据xi=(O*,OI,E,U),包括出水DO给定当前值O*,入水DO当前值OI,出水DO给定与出水DO当前值Oo的误差E,当前控制输出U以及各状态对应的PID控制器的稳态输出值yi,将xi和yi作为LSSVM的训练数据,共采集810组数据,随机选择其中的570组作为训练数据,剩余的240组数据作为测试数据。选用RBF核函数,用LSSVM来拟合出各初始状态与该状态下的PID控制器稳态输出值的关系。
具体步骤如下:
Step1采集实际运行数据xi和yi,将xi和yi进行归一化[0,1]区间处理;
Step2采用LSSVM算法进行训练,通过网格优化法对不同模型参数(惩罚系数C、区间选取[102,106],核函数参数σ,区间选取[10-5,10-1])对LSSVM进行学习和交叉验证测试,得到最佳LSSVM模型;
阶段2:将训练好的LSSVM用于污水处理DO控制,实时采集过程状态数据x,归一化[0,1]区间后带入LSSVM模型(7)式得到稳态输出估计值,根据误差E的大小,取ε为0.1,当E>ε时采用PD控制加稳态估计,当E≤ε时采用PID控制,最后叠加稳态估计值形成控制输出:
U=UPID+UW (8)
其中P为比例系数,TI为积分系数,Td为微分系数,与阶段1取值相同,ΔE为当前误差与前次误差差值,U为输出控制值,Umax和Umin分别为输出的最大和最小限幅值。
上述具体实现只是本发明的较佳实现而已,当然,本发明还可有其他多种实施例,在不背离本发明精神及其本质的情况下,熟悉本领域的技术人员当可根据本发明作为各种相应的改变和变形,但这些相应的改变和变形都应属于本发明的权利要求的保护范围。
Claims (1)
1.一种基于比例微分(PID)-最小二乘支持向量学习机(LSSVM)稳态估计的污水处理溶解氧DO控制方法,其主要特征在于该污水处理DO控制系统采用LSSVM来给出传统PID控制器的稳态控制值,再与PID叠加形成控制输出,控制曝气量,在误差小时采用积分改善控制精度,控制过程分为两阶段,阶段实现如下:
阶段1:先采用传统的PID控制器进行污水处理DO控制,采集在不同状态时污水处理DO控制状态数据xi=(O*,OI,E,U),包括出水DO给定当前值O*,入水DO当前值OI,出水DO给定与出水DO当前值Oo的误差E,当前控制输出U以及各状态对应的PID控制器的稳态输出值yi,用LSSVM来拟合出各状态x与该状态下的PID控制器稳态输出值y的关系:
式中αi∈R是Lagrange乘子,偏置b∈R,N为样本个数,K(x,xi)为满足Mercer条件的核函数,可采用多种核函数如:
径向基(RBF)核函数:K(x,xi)=exp(-|x-xi|2/σ2),其中σ为径向基宽度多项式核函数:K(x,xi)=(xTxi+1)u(u∈N),u为指数Sigmoid函数:K(x,xi)=tanh(a(xTxi)+c)(a,c∈R),a,c为参数
将采集的数据中的70%作为训练样本,剩余30%作为测试样本,将系统各初始状态xi作为LSSVM的输入,各初始状态所对应的PID控制器稳态输出值yi作为LSSVM的输出,通过求解,可以得到以各初始状态作为输入,以PID控制器稳态值为输出的LSSVM模型,具体步骤如下:
Step1采集用PID控制实际运行数据xi和yi,将xi和yi进行归一化处理;
Step2采用LSSVM算法进行训练,通过网格优化法对不同模型参数(惩罚系数C、核函数参数)对LSSVM进行学习和交叉验证测试,得到最佳LSSVM模型;
阶段2:将训练好的LSSVM用于污水处理DO控制,实时采集过程状态数据x,归一化后带入LSSVM模型(3)式得到稳态输出估计值,根据误差E的大小选择不同的控制器,当E>ε时采用PD控制,当E≤ε时采用PID控制,ε为预先确定的正数,最后叠加稳态估计值形成控制输出:
U=UPID+UW (4)
其中P为比例系数,TI为积分系数,Td为微分系数,与阶段1相同,ΔE为当前误差与前次误差差值,U为输出控制值,Umax和Umin分别为输出的最大和最小限幅值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910821289.6A CN110412865B (zh) | 2019-09-02 | 2019-09-02 | Pid-lssvm稳态估计污水溶解氧控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910821289.6A CN110412865B (zh) | 2019-09-02 | 2019-09-02 | Pid-lssvm稳态估计污水溶解氧控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110412865A CN110412865A (zh) | 2019-11-05 |
CN110412865B true CN110412865B (zh) | 2022-11-08 |
Family
ID=68369933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910821289.6A Active CN110412865B (zh) | 2019-09-02 | 2019-09-02 | Pid-lssvm稳态估计污水溶解氧控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110412865B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318090A (zh) * | 2014-10-13 | 2015-01-28 | 江苏大学 | 基于最小二乘法支持向量机的溶菌酶发酵过程中的广义预测方法 |
CN104504232A (zh) * | 2014-10-25 | 2015-04-08 | 南京邮电大学 | 一种基于稀疏最小二乘支持向量机的4-cba含量的软测量方法 |
CN107085372A (zh) * | 2017-05-10 | 2017-08-22 | 湖南工业大学 | 一种基于改进萤火虫算法和最小二乘支持向量机的污水节能处理优化控制方法 |
CN107544242A (zh) * | 2016-06-28 | 2018-01-05 | 上海二十冶建设有限公司 | 逆系统方法在连铸水处理系统中控制溶解氧的方法 |
CN109962515A (zh) * | 2019-03-15 | 2019-07-02 | 湖南工业大学 | 比例-支持向量机稳态估计超级电容充放电控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2964915B2 (ja) * | 1995-04-28 | 1999-10-18 | 日本ビクター株式会社 | レンズ駆動制御装置 |
CN202281919U (zh) * | 2011-02-23 | 2012-06-20 | 苏州工业园区和顺企业环保服务有限公司 | 一种生化处理供氧量自动控制器 |
CN106707740A (zh) * | 2017-03-09 | 2017-05-24 | 西安电子科技大学 | 基于积分分离pid的数字电源环路补偿器的设计方法 |
-
2019
- 2019-09-02 CN CN201910821289.6A patent/CN110412865B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318090A (zh) * | 2014-10-13 | 2015-01-28 | 江苏大学 | 基于最小二乘法支持向量机的溶菌酶发酵过程中的广义预测方法 |
CN104504232A (zh) * | 2014-10-25 | 2015-04-08 | 南京邮电大学 | 一种基于稀疏最小二乘支持向量机的4-cba含量的软测量方法 |
CN107544242A (zh) * | 2016-06-28 | 2018-01-05 | 上海二十冶建设有限公司 | 逆系统方法在连铸水处理系统中控制溶解氧的方法 |
CN107085372A (zh) * | 2017-05-10 | 2017-08-22 | 湖南工业大学 | 一种基于改进萤火虫算法和最小二乘支持向量机的污水节能处理优化控制方法 |
CN109962515A (zh) * | 2019-03-15 | 2019-07-02 | 湖南工业大学 | 比例-支持向量机稳态估计超级电容充放电控制方法 |
Non-Patent Citations (4)
Title |
---|
Prediction of dissolved oxygen in aquaculture based on EEMD and LSSVM optimized by the Bayesian evidence framework;Juan Huan;《Computers and Electronics in Agriculture》;20180731;第257-265页 * |
基于LSSVM逆系统在污水处理系统DO控制中的研究;张世峰;《工业控制计算机》;20130425;第66-69页 * |
基于模糊PID控制的污水处理溶解氧控制系统;杨世品;《仪表技术与传感器》;20090115;第88-90页 * |
污水曝气过程COD软测量及控制策略优化;许玥;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20181015;摘要,第3章 基于LSSVM的COD软测量建模,第4章 基于PSO-LSSVM的COD软测量建模,第5章 曝气过程节能优化控制 * |
Also Published As
Publication number | Publication date |
---|---|
CN110412865A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021101438A4 (en) | Adaptive control method and system for aeration process | |
CN103064290B (zh) | 基于自组织径向基神经网络的溶解氧模型预测控制方法 | |
CN109928493A (zh) | 一种基于大数据与进化算法的精确溶氧控制调节方法 | |
CN102411308A (zh) | 基于递归神经网络模型的溶解氧的自适应控制方法 | |
CN102616927B (zh) | 一种污水处理的工艺参数的调整方法及装置 | |
CN101962708B (zh) | 大型板材真空退火炉多温区均温性控制系统及其控制方法 | |
Simeonov | Mathematical modeling and parameters estimation of anaerobic fermentation processes | |
Tandon et al. | Genetic algorithm based parameter tuning of PID controller for composition control system | |
CN103809436A (zh) | 活性污泥法污水处理过程智能建模方法 | |
CN111762958A (zh) | 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置 | |
Yasmin et al. | Performance comparison of SVM and ANN for aerobic granular sludge | |
Piotrowski et al. | Mixed integer nonlinear optimization of biological processes in wastewater sequencing batch reactor | |
Han et al. | Fuzzy neural network-based model predictive control for dissolved oxygen concentration of WWTPs | |
CN110412878B (zh) | Pid-rbf稳态估计与lssvm软测量污水bod控制方法 | |
CN110412865B (zh) | Pid-lssvm稳态估计污水溶解氧控制方法 | |
Hirsch et al. | Two-step model based adaptive controller for Dissolved Oxygen control in Sequencing Wastewater Batch Reactor | |
Fan et al. | Optimization control of SBR wastewater treatment process based on pattern recognition | |
CN111399558B (zh) | 一种基于知识选择的污水处理过程多目标优化控制方法 | |
CN113721468A (zh) | 污水处理系统执行器加性故障的自愈控制方法及系统 | |
CN116679026B (zh) | 自适应无偏有限脉冲响应滤波的污水溶解氧浓度估计方法 | |
CN201330211Y (zh) | 污水处理厂运行参数自寻优模拟系统 | |
CN109034366B (zh) | 基于多激活函数的elm集成模型在化工建模中的应用 | |
CN101794117B (zh) | 一种基于机理模型的优化控制膜生物反应器运行的方法 | |
Mihály et al. | Optimization of the Wastewater Treatment Plant Recycle Flowrates Using Artificial Neural Networks | |
CN1049051C (zh) | 无模型控制技术 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |