CN111580381B - 一种动态事件驱动控制策略的溶解氧控制方法 - Google Patents
一种动态事件驱动控制策略的溶解氧控制方法 Download PDFInfo
- Publication number
- CN111580381B CN111580381B CN202010198577.3A CN202010198577A CN111580381B CN 111580381 B CN111580381 B CN 111580381B CN 202010198577 A CN202010198577 A CN 202010198577A CN 111580381 B CN111580381 B CN 111580381B
- Authority
- CN
- China
- Prior art keywords
- dissolved oxygen
- control
- event
- time
- oxygen concentration
- 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
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims abstract description 43
- 229910052760 oxygen Inorganic materials 0.000 title claims abstract description 43
- 239000001301 oxygen Substances 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011217 control strategy Methods 0.000 title claims abstract description 11
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 239000010865 sewage Substances 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000005273 aeration Methods 0.000 claims description 16
- 238000005192 partition Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 6
- 238000005842 biochemical reaction Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000006396 nitration reaction Methods 0.000 claims description 2
- 238000004062 sedimentation Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
Abstract
本发明公开一种动态事件驱动控制策略的溶解氧控制方法,针对城市污水处理过程中溶解氧难以有效控制并且实时控制消耗传输资源等问题,结合事件驱动机制和自适应PID控制,实现污水处理过程的有效控制;本发明包括事件驱动部分和PID参数自适应调整两部分。本方法利用误差的变化值设计事件触发机制,建立相应的事件驱动规则,并根据期望的性能指标实现PID参数的整定,从而克服时间驱动机制下控制量的连续性传输。
Description
技术领域
本发明属于污水处理技术领域,尤其涉及一种动态事件驱动控制策略的溶解氧控制方法,针对城市污水处理过程中溶解氧难以有效控制并且实时控制消耗传输资源等问题,结合事件驱动机制和自适应PID控制,实现污水处理过程的有效控制。
背景技术
污水处理是环保领域的一个重要研究方向,污水能否有效的处理不仅影响着居民日常的生活,更关系着地球的水质安全。然而我国污水处理厂的运行情况不容乐观,存在着电能消耗大、成本居高不下等不利情况。为了提高污水处理厂的经济效益,使用更加先进的智能控制方法对传统的控制方法进行改进成为了相关研究人员努力的方向。溶解氧浓度是衡量污水水质的重要指标,提高溶解氧浓度的控制精度以及控制系统的稳定性能够节能降耗、减小污水处理的成本。因此,本研究具有广阔的应用前景。
事件触发机制是对时间驱动机制的一种改进,相比于时间采样控制系统,事件触发采用非周期的控制方式。该机制通过系统状态或误差等变量来设置事件触发规则,仅在事件触发时对数据进行传输。通过动态的事件触发控制,在保证控制精度在一定范围内的同时可以减少不必要的控制传输行为,减轻传输系统的压力,提高系统的整体性能。
传统的PID控制方法虽然简单有效,但有着繁琐的参数调节过程。相比之下,在引入梯度下降算法后,动态事件驱动的自适应PID控制方法既可以弥补PID繁琐的参数调节过程,又能够在事件触发时进行动态的数据交互,弥补了PID固有的缺点,使系统拥有更加优秀的资源配置情况。
发明内容
基于动态事件驱动的自适应PID控制方法,主要包括事件驱动部分和PID参数自适应调整两部分。本方法利用误差的变化值设计事件触发机制,建立相应的事件驱动规则,并根据期望的性能指标实现PID参数的整定,从而克服时间驱动机制下控制量的连续性传输。
本发明采用了如下的基于动态事件驱动的城市污水处理PID控制方法,主要包括以下步骤:
1.自适应PID控制器
将t时刻的溶解氧浓度与期望的溶解氧浓度作差,得到溶解氧浓度的跟踪误差为:
e(t)=rin(t)-yout(t) (1)
其中,rin(t)表示t时刻期望的溶解氧浓度,yout(t)为t时刻溶解氧浓度的实际测量值,e(t)为t时刻溶解氧浓度的跟踪误差。
基于跟踪误差,增量式PID在t时刻的曝气量增量Δu(t)为:
Δu(t)=Kie(t)+Kp(e(t)-e(t-1))+Kd(e(t)-2e(t-1)+e(t-2)) (2)
其中,e(t)、e(t-1)、e(t-2)分别为在t、t-1、t-2时刻的溶解氧浓度的跟踪值。因此,t时刻的曝气量u(t)定义为:
u(t)=u(t-1)+Δu(t) (3)
其中,u(t-1)为t-1时刻的曝气量。
2.控制增益Kp、Ki、Kd的调整
采用梯度下降法对控制增益进行逐步调整,具体调整步骤如下:
上式(4)中Kp,o与Kp,n分别表示旧的和新的比例控制增益;上式(5)中Ki,o和Ki,n分别表示旧的和新的积分控制增益;上式(6)中Kd,o和Kd,n分别表示旧的和新的微分控制增益。参数η表示学习率,J(t)表示系统的代价函数,定义为:
E(t)表示控制误差,定义为:
其中,uact(t)和uexp(t)分别表示实际的曝气量和期望的曝气量。
3.动态事件驱动机制
在系统的事件驱动时刻tk+1传输PID控制系统的增量输出Δu(tk+1),该时刻定义为:
tk+1=inf{t>tk|δ(t)+θl(t)≤0} (9)
其中θ>0,δ(t)为内部动态变量,且:
δ(t+1)=ρδ(t)+l(t) (10)
其中0<ρ<1且l(t)为事件驱动检测函数,定义为:
l(t)=((1+λ)e(t)-e(t-1))2-(σ+1)((1+λ)e(t-1)-e(t-2))2 (11)
其中0<σ<1,λ>-1。
本发明的创造性主要体现在:本发明设计了一种动态事件驱动的PID控制策略并将其应用到城市污水处理过程中溶解氧的控制之上,该方法能够根据设计的事件选择性的进行控制量的传输,降低了信号传输所造成的资源消耗,同时还能实现PID参数的自动更新。以上所设计的动态事件驱动机制及在本机制下的PID参数更新属于本发明的保护范围。
附图说明
图1:基于动态事件驱动的PID控制方法的系统框图;
图2:对溶解氧浓度进行跟踪控制;
图3:溶解氧浓度的跟踪误差;
图4:系统运行部分时间段内(0-21小时)的事件触发情况。
具体实施方式
污水处理工艺中主要包括生化反应池与二次沉淀池两个部分,其中,生化反应池包括五个组分:第一分区与第二分区为厌氧区,主要进行反硝化反应;第三分区至第五分区为好氧区,主要进行硝化反应。本系统采取的控制策略是:通过控制第五分区的曝气量对第二分区的溶解氧浓度进行跟踪控制。
事件触发机制有3个输入,分别为在t、t-1、t-2这三个时刻下溶解氧浓度的跟踪误差e(t)、e(t-1)、e(t-2)。PID控制器有6个输入,分别为控制增益Kp、Ki、Kd以及在t、t-1、t-2这三个时刻下溶解氧浓度的跟踪误差e(t)、e(t-1)、e(t-2)。基于动态事件驱动的PID控制方法的系统框图如图1所示,控制系统的具体实施方法如下:
(1)在t时刻时,采集污水处理流程中第二分区的溶解氧浓度yout(t),定义期望的溶解氧浓度值rin(t)为2毫克/升,利用式(1)计算跟踪误差。并将在t、t-1、t-2时刻下溶解氧浓度的跟踪误差e(t)、e(t-1)、e(t-2)输入到事件触发机制中。其中,在0≤t<1时:e(t-1)=0、e(t-2)=0,在1≤t<2时:e(t-2)=0。
(2)若事件触发机制的输入满足式(9),将在t、t-1、t-2这三个时刻下的溶解氧浓度的跟踪误差e(t)、e(t-1)、e(t-2)输入到PID控制器中,使用式(2)与式(3)计算PID控制器的增量输出,传输曝气增量Δu(t)给污水处理过程。之后,以式(7)所定义的代价函数为依据,设置学习率η=0.3、uexp(t)=0,使用式(4)、式(5)与式(6)对PID的控制参数Kp、Ki、Kd进行自适应更新。
(3)若事件触发机制的输入不满足式(9),继续使用上一时刻的曝气值Δu(t-1)。
在动态事件驱动的PID控制系统下,溶解氧浓度逐渐稳定在设定值2毫克/升上下,见图2。且系统有较小的跟踪误差,控制误差大致处于±0.03之间,见图3。与传统的PID控制器相比,控制误差有所降低。图4为系统运行0-21小时内的事件触发情况,其中,数字1代表在对应的横坐标所示的时间点触发事件。在与传统PID控制系统的控制结果对比后发现,数据的传输次数下降了大约38.4%,大大减轻了传输系统的压力,降低了不必要的信号传输所造成的资源消耗。
Claims (3)
1.一种动态事件驱动控制策略的溶解氧控制方法,其特征在于,污水处理工艺包括生化反应池与二次沉淀池两个部分,其中,生化反应池包括五个组分:第一分区与第二分区为厌氧区,用于进行反硝化反应;第三分区至第五分区为好氧区,用于进行硝化反应,本溶解氧控制方法的控制策略为:通过控制第五分区的曝气量对第二分区的溶解氧浓度进行跟踪控制;其中,
事件触发机制有3个输入,分别为在t、t-1、t-2这三个时刻下溶解氧浓度的跟踪误差e(t)、e(t-1)、e(t-2),PID控制器有6个输入,分别为控制增益Kp、Ki、Kd以及在t、t-1、t-2这三个时刻下溶解氧浓度的跟踪误差e(t)、e(t-1)、e(t-2),基于动态事件驱动的PID控制的具体过程如下:
步骤1、在t时刻时,采集污水处理流程中第二分区的溶解氧浓度yout(t),计算跟踪误差,并将在t、t-1、t-2时刻下溶解氧浓度的跟踪误差e(t)、e(t-1)、e(t-2)输入到事件触发机制中;
步骤2、若事件触发机制的输入满足式(9),将在t、t-1、t-2这三个时刻下的溶解氧浓度的跟踪误差e(t)、e(t-1)、e(t-2)输入到PID控制器中,计算PID控制器的增量输出,传输曝气增量Δu(t)给污水处理过程;之后,以式(7)所定义的代价函数为依据,设置学习率η=0.3、uexp(t)=0,使用式(4)、式(5)与式(6)对PID的控制参数Kp、Ki、Kd进行自适应更新;
其中,在系统的事件驱动时刻tk+1传输PID控制系统的增量输出Δu(tk+1),该时刻定义为:
tk+1=inf{t>tk|δ(t)+θl(t)≤0} (9)
其中,θ>0,δ(t)为内部动态变量,且:
δ(t+1)=ρδ(t)+l(t) (10)
其中,0<ρ<1且l(t)为事件驱动检测函数,定义为:
l(t)=((1+λ)e(t)-e(t-1))2-(σ+1)((1+λ)e(t-1)-e(t-2))2 (11)
其中,0<σ<1,λ>-1;
控制增益Kp、Ki、Kd的调整,具体调整步骤如下:
其中,上式(4)中Kp,o与Kp,n分别表示旧的和新的比例控制增益;上式(5)中Ki,o和Ki,n分别表示旧的和新的积分控制增益;上式(6)中Kd,o和Kd,n分别表示旧的和新的微分控制增益,参数η表示学习率,J(t)表示系统的代价函数,定义为:
E(t)表示控制误差,定义为:
其中,和uexp(t)分别表示实际的曝气量和期望的曝气量;
步骤3、若事件触发机制的输入不满足式(9),继续使用上一时刻的曝气增量Δu(t-1)传输给污水处理过程。
2.如权利要求1所述的动态事件驱动控制策略的溶解氧控制方法,其特征在于,步骤1中,计算跟踪误差具体过程为:将t时刻的溶解氧浓度与期望的溶解氧浓度作差,得到溶解氧浓度的跟踪误差为:
e(t)=rin(t)-yout(t) (1)
其中,rin(t)表示t时刻期望的溶解氧浓度,yout(t)为t时刻溶解氧浓度的实际测量值,e(t)为t时刻溶解氧浓度的跟踪误差。
3.如权利要求2所述的动态事件驱动控制策略的溶解氧控制方法,其特征在于,步骤2中,计算PID控制器的增量输具体过程为:
基于跟踪误差,增量式PID在t时刻的曝气量增量Δu(t)为:
Δu(t)=Kie(t)+Kp(e(t)-e(t-1))+Kd(e(t)-2e(t-1)+e(t-2)) (2)
其中,e(t)、e(t-1)、e(t-2)分别为在t、t-1、t-2时刻的溶解氧浓度的跟踪误差值,因此,t时刻的曝气量u(t)定义为:
u(t)=u(t-1)+Δu(t) (3)
其中,u(t-1)为t-1时刻的曝气量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010198577.3A CN111580381B (zh) | 2020-03-20 | 2020-03-20 | 一种动态事件驱动控制策略的溶解氧控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010198577.3A CN111580381B (zh) | 2020-03-20 | 2020-03-20 | 一种动态事件驱动控制策略的溶解氧控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111580381A CN111580381A (zh) | 2020-08-25 |
CN111580381B true CN111580381B (zh) | 2023-09-12 |
Family
ID=72124165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010198577.3A Active CN111580381B (zh) | 2020-03-20 | 2020-03-20 | 一种动态事件驱动控制策略的溶解氧控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111580381B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112130450A (zh) * | 2020-09-03 | 2020-12-25 | 北京工业大学 | 城市污水处理自动控制虚拟仿真实验教学系统 |
CN112255912B (zh) * | 2020-11-25 | 2022-10-14 | 华东理工大学 | 一种无模型自适应pid控制策略的聚合釜产物浓度控制方法 |
CN114296489B (zh) * | 2021-12-04 | 2022-09-20 | 北京工业大学 | 基于事件触发的rbf-pid城市固废焚烧过程炉膛温度控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010088988A (ja) * | 2008-10-07 | 2010-04-22 | Jfe Steel Corp | 曝気槽制御方法および装置 |
CN104345636A (zh) * | 2013-08-05 | 2015-02-11 | 江南大学 | 一种基于改进差分算法的溶解氧控制方法 |
CN105843036A (zh) * | 2016-04-09 | 2016-08-10 | 北京工业大学 | 一种基于神经网络的污水处理过程控制方法 |
CN106873379A (zh) * | 2017-03-31 | 2017-06-20 | 北京工业大学 | 一种基于迭代adp算法的污水处理最优控制方法 |
-
2020
- 2020-03-20 CN CN202010198577.3A patent/CN111580381B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010088988A (ja) * | 2008-10-07 | 2010-04-22 | Jfe Steel Corp | 曝気槽制御方法および装置 |
CN104345636A (zh) * | 2013-08-05 | 2015-02-11 | 江南大学 | 一种基于改进差分算法的溶解氧控制方法 |
CN105843036A (zh) * | 2016-04-09 | 2016-08-10 | 北京工业大学 | 一种基于神经网络的污水处理过程控制方法 |
CN106873379A (zh) * | 2017-03-31 | 2017-06-20 | 北京工业大学 | 一种基于迭代adp算法的污水处理最优控制方法 |
Non-Patent Citations (1)
Title |
---|
付文韬 等.神经网络的溶解氧控制系统.《计算机与应用化学》.2013,第第30卷卷(第第30卷期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111580381A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111580381B (zh) | 一种动态事件驱动控制策略的溶解氧控制方法 | |
CN108445757B (zh) | 一种基于动态多目标粒子群算法的污水处理过程优化控制方法 | |
CN109669352B (zh) | 基于自适应多目标粒子群的含油污水处理过程优化控制方法 | |
CN101993151B (zh) | 污水生化处理过程回路控制方法 | |
Do et al. | A design of higher-level control based genetic algorithms for wastewater treatment plants | |
CN110647037A (zh) | 一种基于二型模糊神经网络的污水处理过程协同控制方法 | |
Lu et al. | Automatic control and optimal operation for greenhouse gas mitigation in sustainable wastewater treatment plants: A review | |
Chen et al. | Smart energy savings for aeration control in wastewater treatment | |
Shiek et al. | Design of control strategies for nutrient removal in a biological wastewater treatment process | |
CN111650834A (zh) | 基于极限学习机(elm)的污水处理过程预测控制方法 | |
Yong et al. | Intelligent control aeration and external carbon addition for improving nitrogen removal | |
US20230004780A1 (en) | Multi-time Scale Model Predictive Control of Wastewater Treatment Process | |
Santín et al. | New approach for regulation of the internal recirculation flow rate by fuzzy logic in biological wastewater treatments | |
Zhang et al. | Improvement of nitrogen removal and reduction of operating costs in an activated sludge process with feedforward–cascade control strategy | |
CN102682190A (zh) | 简化的污水处理过程活性污泥模型 | |
CN115356930B (zh) | 一种污水处理过程中的多目标优化控制系统及方法 | |
Kapumbe et al. | Modeling and simulation of membrane bioreactor model based on ASM3 for domestic wastewater treatment. | |
CN201016100Y (zh) | 分段进水a/o工艺溶解氧和碳源投加模糊控制装置 | |
CN107720975B (zh) | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 | |
CN105446132A (zh) | 基于神经网络的污水处理预测控制方法 | |
CN114879487A (zh) | 一种基于区间二型模糊神经网络的污水处理过程鲁棒模型预测控制方法 | |
Liu et al. | Research of dissolved oxygen concentration control strategy based on the fuzzy self-tuning PID parameter | |
CN105138716A (zh) | 硝化及亚硝化过程的运行优化方法 | |
CN113979541B (zh) | 一种a2o生物池工艺智能控制方法 | |
CN114296489B (zh) | 基于事件触发的rbf-pid城市固废焚烧过程炉膛温度控制方法 |
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 |