关于净水混凝投药控制器系统的设计
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第３３卷 第５期
文章 编号 ：１００６—９３４８（ 机 仿 真
２０１６年５月
关 于 净 水 混 凝 投 药 控 制 器 系 统 的 设 计
徐 少川 ，刘 东 昆，井元伟 ，刘 宝伟
（辽 宁科技大学 电子与信息工程学 院，辽宁 鞍山 １１４０００）
摘要 ：出水浊度是净水混凝投药过程 的重要指标 ，由于过程受多变量影 响 ，且滞后时 间较 长 ，故工业控 制中常用 的反馈控 制 器无法实现对出水浊度的精确控制。为 了将 出水浊度控制在设定 的范围 内，并且有效地 减少投药量 ，设 计 了一种 基于小 脑 神经 网络的前馈控制器 ，并应用于混凝投药控制系统。同时 ，为了提高 ＣＭＡＣ神经网络 的泛化能力和学 习精度 ，提 出了感 知 器和权值地址 的隶属度 的概念 ，对 ＣＭＡＣ神经 网络的映射过程做 出了改进 。仿真结果 表明 ，前馈控制器将 出水浊度有效 地 控制在设定的范 围０．７～０．９ＮＴＵ内，并且实现 了投药量 的优化 。表 明前馈控制器具有较强的实际应用价值。 关键词 ：混凝投药 ；前馈控制器 ；小脑神经网络 中 图 分 类 号 ：ＴＰ３９１．９ 文献 标 识 码 ：Ｂ
１ 引言 混凝投药 是整个净水流程 中的重要 环节 ，该环 节对净水
厂 出厂 水 质 量 、净 水 投 资 成 本 及 净 水 厂 的 利 润 等 有 着 直 接 的 影响 。在将 出水浊度控制在期望范 围内 的前 提下 ，如何减少 投药量 ，实现投药量 的最 优化 ，是 目前 净水 行业 亟待解 决 的 问题 Ｊ。由于混凝 投药是一个多变量 、强耦 合 、大 滞后 的过 程 ，单 一的人工操作方式 或 ＰＩＤ反馈控制很 难实现 出水浊度 及投药量 的准确控制 Ｊ。针对 该问题 ，许 多学者使 用神经 网 络对混凝投药 环节进行了控制 。文献 ［４］利用神经 网络构建 了低 浊 度 地 下 水 的 投 药 模 型 ，并 通 过 实 际净 水 数 据 对 模 型 进 行 了验证 。文献 ［５］利用神经网络设计 了一种混凝 投药量 的 短程反馈控制结 构 ，该控 制结构 在不 同季 节 、不 同浊度 情况
ＡＢＳＴＲＡ ＣＴ ：Ｔｕｒｂｉｄｉｔｙ ｏｆ ｅｆｌｕｅｎｔ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｉｎｄｅｘ ｏｆ ｃｏａｇｕｌａｎｔ ｄｏｓｉｎｇ ｏｆ ｗａｔｅｒ ｐｕｒｉｆｉｃａｔｉｏｎ ｐｒｏｃｅｓｓ． Ｂｅｃａｕｓｅ ｉｔ ｉｓ ａ ｍｕｌｔｉｖａｒｉａｂｌｅ ａｎｄ ｌａｒｇｅ ｔｉｍｅ ｄｅｌａｙ ｓｙｓｔｅｍ ，ｆｅｅｄｂａｃｋ ｃｏｎｔｒｏｌｌｅｒ，ｗｈｉｃｈ ｂｅ ａｌｗａｙｓ ｕｓｅｄ ｉｎ ｔｈｅ Ｉｎｄｕｓｔｒｉａｌ ｃｏｎｔｒｏｌ， ｃｏｕｌｄ ｎｏｔ ｃｏｎｔｒｏｌ ｔｕｒｂｉｄｉｔｙ ｏｆ ｅｆｌｕｅｎｔ ｉｎ ｓｅｔｔｉｎｇ ｒａｎｇｅ．Ｉｎ ｏｒｄｅｒ ｔｏ ｃｏｎｔｒｏｌ ｔｈｅ ｔｕｒｂｉｄｉｔｙ ｉｎ ｔｈｅ ｓｅ￣ｉｎｇ ｒａｎｇｅ ａｎｄ ｅｆｆｅｃ— ｔｉｖｅｌｙ ｒｅｄｕｃｅ ｔｈｅ ｄｏｓａｇｅ，ａ ｋｉｎｄ ｏｆ ｆｅｅｄｆｏｒｗａｒｄ ｃｏｎｔｒｏｌｌｅｒ ｔｈａｔ ｂａｓｅｄ ｏｎ ｔｈｅ ＣＭ ＡＣ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｓ ｄｅｓｉｇｎｅｄ． Ａｎｄ， ｉｎ ｏｒｄｅｒ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｇｅｎｅｒａｌｉｚａｔｉｏｎ ａｎｄ ｌｅａｒｎｉｎｇ ｐｒｅｃｉｓｉｏｎ ｏｆ ＣＭＡＣ ｎｅｕｒａ ｌ ｎｅｔｗｏｒｋ，ｔｈｅ ｃｏｎｃｅｐｔｓ ｏ ｆ ｔｈｅ ｍｅｍ ｂｅｒｓｈｉｐ ｏ ｆ ｐｅｒｃｅｐｔｉｏｎ ａｎｄ ｔｈｅ ａｄｄｒｅｓｓ ｏｆ ｗｅｉｇｈｔｓ ｉｓ ｐｒｏｐｏｓｅｄ，ｔｈｅｎ ｔｈｅ ｍａｐｐｉｎｇ ｐｒｏｃｅｓｓ ａ ｎ ｄ ｔｈｅ ｗｅｉｇｈｔｓ ｔｒａｉｎｉｎｇ ｐｒｏｃｅｓｓ ｏｆ ＣＭ ＡＣ ｎｅｕｒａ ｌ ｎｅｔｗｏｒｋ ｉｓ ｉｍｐｒｏｖｅｄ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｔｕｒｂｉｄｉｔｙ ｏｆ ｅｆｆｌｕｅｎｔ ｃｏｕｌｄ ｂｅ ｃｏｎｔｒ ｏ ｌｌｅｄ ｉｎ ｔｈｅ ｓｅｔｔｉｎｇ ｒａｎｇｅ ｔｈａｔ ０．７— ０．９ ＮＴＵ ａｎｄ ｄｏｓａｇｅ ｃｏｕｌｄ ｂｅ ｏｐｔｉｍｉｚｅｄ．Ｉｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｉｓ ｆｅｅｄｆｏｒｗａｒｄ ｃｏｎｔｒｏｌｌｅｒ ｐｒａｃｔｉｃａ ｌ ａｐｐｌｉｃａｔｉｏｎ ｖａ ｌｕｅ． ＫＥＹＷ ＯＲＤＳ：Ｃｏａｇｕｌａｎｔ ｄｏｓｉｎｇ；Ｆｅｅｄｆｏｒｗａｒｄ ｃｏｎｔｒｏｌｌｅｒ；ＣＭＡＣ ｎｅｕｒａ ｌ ｎｅｔｗｏｒｋ
Ｄｅｓｉｇｎ ｏｆ Ｃｏａｇｕｌａｎｔ Ｄｏｓｉｎｇ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ ｏｆ Ｗ ａｔｅｒ Ｐｕｒｉｆｉｃａｔｉｏｎ
ｘｕ Ｓｈａｏ－ｃｈｕａｎ，ＬＩＵ Ｄｏｎｇ－ｋｕｎ，ＪＩＮＧ Ｙｕａｎ－ｗｅｉ，ＬＩＵ Ｂａｏ－ｗｅｉ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｌｉａｏｎｉｎｇ， Ａｎｓｈａｎ Ｌｉａｏｎｉｎｇ １ １４０００，Ｃｈｉｎａ）
基 金 项 目 ：国 家 自然 科 学 基 金 （６１２７３０１１） 收稿 日期 ：２０１５—０８—０６ 修 回 日期 ：２０１５—０８—２６
下均具有 良好的适应能力 ，然 而传 统的神经 网络学 习速度较 慢 ，且可能 出现局部极小值 。
在 复 杂 的 工 业 控 制 中 ，ＣＭＡＣ神 经 网 络 由 于 其 结 构 简 单 易于软件编程实现 等特 点 ，得到 了广 泛 的关 注和应 用 。。 ， 并且 ＣＭＡＣ神经网络较传统的神经 网络 ，如 ＢＰ神经网络 ，在 复 杂 函 数 逼 近 、收敛 速 度 、泛 化 能 力 方 面 均 表 现 出 独 特 的 优 势。但从 文献 ［９—１１］的分析和 研究可 知 ，常规 ＣＭＡＣ神经 网络在输入到输出 的映射过程 中 ，感 知器 只有 “激活 ”和 “不 激活”两种状态 ，当控制要求较高时 ，这种 映射方法将会 造成 一 定 的偏 差 ，上述文献通过将模糊算法 与 ＣＭＡＣ神经 网络相 结合 ，即 ＦＣＭＡＣ神经 网络 ，解 决 了该 问题 ，然 而模糊 算法 在 使用 的过 程中需要依据 一定 的经验 来建 立模糊 规则 及各 语 言变量 的模糊 子集 等。
文章 编号 ：１００６—９３４８（ 机 仿 真
２０１６年５月
关 于 净 水 混 凝 投 药 控 制 器 系 统 的 设 计
徐 少川 ，刘 东 昆，井元伟 ，刘 宝伟
（辽 宁科技大学 电子与信息工程学 院，辽宁 鞍山 １１４０００）
摘要 ：出水浊度是净水混凝投药过程 的重要指标 ，由于过程受多变量影 响 ，且滞后时 间较 长 ，故工业控 制中常用 的反馈控 制 器无法实现对出水浊度的精确控制。为 了将 出水浊度控制在设定 的范围 内，并且有效地 减少投药量 ，设 计 了一种 基于小 脑 神经 网络的前馈控制器 ，并应用于混凝投药控制系统。同时 ，为了提高 ＣＭＡＣ神经网络 的泛化能力和学 习精度 ，提 出了感 知 器和权值地址 的隶属度 的概念 ，对 ＣＭＡＣ神经 网络的映射过程做 出了改进 。仿真结果 表明 ，前馈控制器将 出水浊度有效 地 控制在设定的范 围０．７～０．９ＮＴＵ内，并且实现 了投药量 的优化 。表 明前馈控制器具有较强的实际应用价值。 关键词 ：混凝投药 ；前馈控制器 ；小脑神经网络 中 图 分 类 号 ：ＴＰ３９１．９ 文献 标 识 码 ：Ｂ
１ 引言 混凝投药 是整个净水流程 中的重要 环节 ，该环 节对净水
厂 出厂 水 质 量 、净 水 投 资 成 本 及 净 水 厂 的 利 润 等 有 着 直 接 的 影响 。在将 出水浊度控制在期望范 围内 的前 提下 ，如何减少 投药量 ，实现投药量 的最 优化 ，是 目前 净水 行业 亟待解 决 的 问题 Ｊ。由于混凝 投药是一个多变量 、强耦 合 、大 滞后 的过 程 ，单 一的人工操作方式 或 ＰＩＤ反馈控制很 难实现 出水浊度 及投药量 的准确控制 Ｊ。针对 该问题 ，许 多学者使 用神经 网 络对混凝投药 环节进行了控制 。文献 ［４］利用神经 网络构建 了低 浊 度 地 下 水 的 投 药 模 型 ，并 通 过 实 际净 水 数 据 对 模 型 进 行 了验证 。文献 ［５］利用神经网络设计 了一种混凝 投药量 的 短程反馈控制结 构 ，该控 制结构 在不 同季 节 、不 同浊度 情况
ＡＢＳＴＲＡ ＣＴ ：Ｔｕｒｂｉｄｉｔｙ ｏｆ ｅｆｌｕｅｎｔ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｉｎｄｅｘ ｏｆ ｃｏａｇｕｌａｎｔ ｄｏｓｉｎｇ ｏｆ ｗａｔｅｒ ｐｕｒｉｆｉｃａｔｉｏｎ ｐｒｏｃｅｓｓ． Ｂｅｃａｕｓｅ ｉｔ ｉｓ ａ ｍｕｌｔｉｖａｒｉａｂｌｅ ａｎｄ ｌａｒｇｅ ｔｉｍｅ ｄｅｌａｙ ｓｙｓｔｅｍ ，ｆｅｅｄｂａｃｋ ｃｏｎｔｒｏｌｌｅｒ，ｗｈｉｃｈ ｂｅ ａｌｗａｙｓ ｕｓｅｄ ｉｎ ｔｈｅ Ｉｎｄｕｓｔｒｉａｌ ｃｏｎｔｒｏｌ， ｃｏｕｌｄ ｎｏｔ ｃｏｎｔｒｏｌ ｔｕｒｂｉｄｉｔｙ ｏｆ ｅｆｌｕｅｎｔ ｉｎ ｓｅｔｔｉｎｇ ｒａｎｇｅ．Ｉｎ ｏｒｄｅｒ ｔｏ ｃｏｎｔｒｏｌ ｔｈｅ ｔｕｒｂｉｄｉｔｙ ｉｎ ｔｈｅ ｓｅ￣ｉｎｇ ｒａｎｇｅ ａｎｄ ｅｆｆｅｃ— ｔｉｖｅｌｙ ｒｅｄｕｃｅ ｔｈｅ ｄｏｓａｇｅ，ａ ｋｉｎｄ ｏｆ ｆｅｅｄｆｏｒｗａｒｄ ｃｏｎｔｒｏｌｌｅｒ ｔｈａｔ ｂａｓｅｄ ｏｎ ｔｈｅ ＣＭ ＡＣ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｓ ｄｅｓｉｇｎｅｄ． Ａｎｄ， ｉｎ ｏｒｄｅｒ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｇｅｎｅｒａｌｉｚａｔｉｏｎ ａｎｄ ｌｅａｒｎｉｎｇ ｐｒｅｃｉｓｉｏｎ ｏｆ ＣＭＡＣ ｎｅｕｒａ ｌ ｎｅｔｗｏｒｋ，ｔｈｅ ｃｏｎｃｅｐｔｓ ｏ ｆ ｔｈｅ ｍｅｍ ｂｅｒｓｈｉｐ ｏ ｆ ｐｅｒｃｅｐｔｉｏｎ ａｎｄ ｔｈｅ ａｄｄｒｅｓｓ ｏｆ ｗｅｉｇｈｔｓ ｉｓ ｐｒｏｐｏｓｅｄ，ｔｈｅｎ ｔｈｅ ｍａｐｐｉｎｇ ｐｒｏｃｅｓｓ ａ ｎ ｄ ｔｈｅ ｗｅｉｇｈｔｓ ｔｒａｉｎｉｎｇ ｐｒｏｃｅｓｓ ｏｆ ＣＭ ＡＣ ｎｅｕｒａ ｌ ｎｅｔｗｏｒｋ ｉｓ ｉｍｐｒｏｖｅｄ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｔｕｒｂｉｄｉｔｙ ｏｆ ｅｆｆｌｕｅｎｔ ｃｏｕｌｄ ｂｅ ｃｏｎｔｒ ｏ ｌｌｅｄ ｉｎ ｔｈｅ ｓｅｔｔｉｎｇ ｒａｎｇｅ ｔｈａｔ ０．７— ０．９ ＮＴＵ ａｎｄ ｄｏｓａｇｅ ｃｏｕｌｄ ｂｅ ｏｐｔｉｍｉｚｅｄ．Ｉｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｉｓ ｆｅｅｄｆｏｒｗａｒｄ ｃｏｎｔｒｏｌｌｅｒ ｐｒａｃｔｉｃａ ｌ ａｐｐｌｉｃａｔｉｏｎ ｖａ ｌｕｅ． ＫＥＹＷ ＯＲＤＳ：Ｃｏａｇｕｌａｎｔ ｄｏｓｉｎｇ；Ｆｅｅｄｆｏｒｗａｒｄ ｃｏｎｔｒｏｌｌｅｒ；ＣＭＡＣ ｎｅｕｒａ ｌ ｎｅｔｗｏｒｋ
Ｄｅｓｉｇｎ ｏｆ Ｃｏａｇｕｌａｎｔ Ｄｏｓｉｎｇ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ ｏｆ Ｗ ａｔｅｒ Ｐｕｒｉｆｉｃａｔｉｏｎ
ｘｕ Ｓｈａｏ－ｃｈｕａｎ，ＬＩＵ Ｄｏｎｇ－ｋｕｎ，ＪＩＮＧ Ｙｕａｎ－ｗｅｉ，ＬＩＵ Ｂａｏ－ｗｅｉ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｌｉａｏｎｉｎｇ， Ａｎｓｈａｎ Ｌｉａｏｎｉｎｇ １ １４０００，Ｃｈｉｎａ）
基 金 项 目 ：国 家 自然 科 学 基 金 （６１２７３０１１） 收稿 日期 ：２０１５—０８—０６ 修 回 日期 ：２０１５—０８—２６
下均具有 良好的适应能力 ，然 而传 统的神经 网络学 习速度较 慢 ，且可能 出现局部极小值 。
在 复 杂 的 工 业 控 制 中 ，ＣＭＡＣ神 经 网 络 由 于 其 结 构 简 单 易于软件编程实现 等特 点 ，得到 了广 泛 的关 注和应 用 。。 ， 并且 ＣＭＡＣ神经网络较传统的神经 网络 ，如 ＢＰ神经网络 ，在 复 杂 函 数 逼 近 、收敛 速 度 、泛 化 能 力 方 面 均 表 现 出 独 特 的 优 势。但从 文献 ［９—１１］的分析和 研究可 知 ，常规 ＣＭＡＣ神经 网络在输入到输出 的映射过程 中 ，感 知器 只有 “激活 ”和 “不 激活”两种状态 ，当控制要求较高时 ，这种 映射方法将会 造成 一 定 的偏 差 ，上述文献通过将模糊算法 与 ＣＭＡＣ神经 网络相 结合 ，即 ＦＣＭＡＣ神经 网络 ，解 决 了该 问题 ，然 而模糊 算法 在 使用 的过 程中需要依据 一定 的经验 来建 立模糊 规则 及各 语 言变量 的模糊 子集 等。