The National Natural Science Foundation of China. 61533002 The National Natural Science Foundation of China. 61890930 The National Natural Science Foundation of China. 61973010 The National Key Research and Development Program of China. 2018YFC19008005 The Major Science and Technology Program for Water Pollution Control and Treatment of China. 2018ZX07111005
Due to the frequent disturbance in flow and load,as well as the large uncertainty in the wastewater treatment processes,it is difficult to control the dissolved oxygen accurately and in real-time.To improve the accuracy and robustness of the controller,an online control method of dissolved oxygen concentration using the correntropy based fuzzy neural network (CFNN) was proposed.First,the performance index was established based on the correntropy of tracking errors to suppress large outliers in the process.Then,the parameters of controller were updated by the online gradient descent algorithm.Moreover,the stability of the control system was analyzed.Finally,the experiments were carried out based on the Benchmark Simulation Model No.1 (BSM1).The results prove that the CFNN controller performs better than the mean square error based neural network controller in accuracy and model stability.
QUAN Limin. CFNN-based online control for dissolved oxygen concentration of wastewater treatment processes. Chinese Journal of Intelligent Science and Technology[J], 2020, 2(3): 261-267 doi:10.11959/j.issn.2096-6652.202028
近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中。Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高。Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度。但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性。近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14]。例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度。周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度。
基于以上分析,本文提出一种基于相关熵模糊神经网络(correntropy based fuzzy neural network, CFNN)的 DO 浓度在线控制方法。首先,构建了基于CFNN的控制器,通过梯度下降算法在线更新控制器参数,并在理论上分析了控制系统的稳定性。其次,选取DO浓度跟踪误差与误差变化率作为控制器的输入。最后,基于BSM1,选择雨天、暴雨两种工况进行实验验证。
为了验证基于CFNN的DO浓度在线控制系统的性能,基于国际水协会(International Water As Research,COST)开发的BSM1进行了实验研究。采用平方误差积分(integral of squared error, ISE)、绝对误差积分(integral of absolute error,IAE)、最大偏差(maximal deviation from set point,Devmax) 3个评价指标分析控制器的精度与稳定性[19]。sociation,IWA)与欧盟科技合作组织(European Co-operation in the Field of Scientific and Technical
Dissolved oxygen model predictive control for activated sludge process model based on the fuzzy c-means cluster algorithm
2020
Dissolved oxygen control in wastewater treatment based on robust PID controller
2012
Dissolved oxygen control in biological wastewater treatments with non-ideal sensors and actuators
2019
Dynamic stability enhancement using fuzzy PID control technology for power system
1
2019
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
Dissolved oxygen control of the activated sludge wastewater treatment process using stable adaptive fuzzy control
2
2012
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
... [7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
Online adaptive dynamic programming based on echo state networks for dissolved oxygen control
2
2018
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
... [8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
Adaptive fuzzy neural network control of wastewater treatment process with multiobjective operation
2
2018
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
Self-organizing fuzzy control for dissolved oxygen concentration using fuzzy neural network
7
2016
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
Robust self-organizing neural-fuzzy control with uncertainty observer for MIMO nonlinear systems
1
2011
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
Multiobjective design of fuzzy neural network controller for wastewater treatment process
1
2018
... 近年来,污水处理过程中DO浓度的控制问题引起了国内外许多学者的广泛关注[6,7]、神经网络控制[8,9,10,11]等)被广泛应用到DO浓度的控制中.Belchior C A C等人[7]提出一种自适应模糊控制算法,提高了DO浓度控制算法的自适应性,但模糊规则的获取依靠专家经验,控制精度仍有待提高.Bo Y C等人[8]提出一种基于回声状态网络(echo state network,ESN)的自适应动态规划控制方法,并在基准仿真1号模型(benchmark simulation model No.1,BSM1)的干燥天气工况下进行实验,结果表明,基于ESN的自适应动态规划控制方法具有较高的DO浓度控制精度.但是,污水处理过程入水工况多变,干扰频繁,基于ESN的控制方法难以保证系统的稳定性.近来,模糊神经网络(fuzzy neural network,FNN)因既有处理模糊信息的能力,又具有神经网络的自学习能力,而被广泛应用在工业过程的建模与控制中[9,10,11,12,13,14].例如, Qiao J F等人[10]提出一种基于模糊神经网络的自组织模糊控制(self-organizing fuzzy control,SOFC)方法,基于模糊神经网络自动获取模糊规则,提高了DO浓度控制的自适应能力与控制精度.周红标[11]构建了一种自组织模糊神经网络(self-organizing fuzzy neural network,SOFNN)控制器,大大提高了DO浓度控制系统的稳定性与控制精度. ...
Entropy and correntropy against minimum square error in offline and online three-day ahead wind power forecasting
The COST simulation benchmark description and simulator manual
1
2002
... 为了验证基于CFNN的DO浓度在线控制系统的性能,基于国际水协会(International Water As Research,COST)开发的BSM1进行了实验研究.采用平方误差积分(integral of squared error, ISE)、绝对误差积分(integral of absolute error,IAE)、最大偏差(maximal deviation from set point,Devmax) 3个评价指标分析控制器的精度与稳定性[19].sociation,IWA)与欧盟科技合作组织(European Co-operation in the Field of Scientific and Technical ...