申请日2011.07.15
公开(公告)日2011.11.30
IPC分类号G01N33/18; G06N3/08
摘要
本发明涉及了一种废水处理系统出水COD的软测量方法及系统，包括以下步骤：(1)测定HRT、进水pH值、好氧池DO、混合液回流比r以及实际出水COD值;(2)收集上述数据样本，采用自适应模糊C均值聚类算法，对数据进行聚类分析，根据得到的聚类数建立起COD模糊神经网络模型，对模型进行训练，直到误差满足要求;(4)把训练好的模糊神经网络模型嵌入至工控机中，通过OPC技术实现MATLAB软件与组态软件MCGS的数据通讯，从而实现废水处理系统出水COD的在线实时监测。本发明对废水处理系统出水COD的软测量可以解决COD测定仪价格昂贵、维护困难且测量滞后的问题，真正实现对出水水质的在线实时监测。
权利要求书
1.一种废水处理系统出水COD的软测量方法，其特征在于，包括以下步骤：
(1)测定进入A/A/O废水处理系统的水力停留时间HRT、进水pH值、好氧池DO和混合液回流比r，以及从废水处理系统流出的实际出水COD值;
(2)收集上述已测定的数据样本，采用自适应模糊C均值聚类算法，对数据进行聚类分析，根据得到的聚类数在MATLAB中建立起COD模糊神经网络模型，对模型进行训练，直到误差满足要求;
(3)将训练好的模糊神经网络模型嵌入工控机中，并使用组态软件MCGS构建好人机交互界面;
(4)采用OPC技术实现COD模糊神经网络模型与组态软件之间的数据交换，将组态软件收集好的数据输送至COD模糊神经网络模型，计算出出水COD的预测值，再把该值返回至工控机人机交互界面;
(5)不断重复步骤(4)，从而实现废水处理系统出水COD的在线实时监测。
2.根据权利要求1所述的软测量方法，其特征在于，所述数据样本矩阵为X={x1，x2，…，xn}，其中xi=[x1i，x2i，…，xpi]T，模糊C均值聚类就是求使聚类目标函数J(U，V)最小的隶属度矩阵U=[uij]c×n;以及聚类中心V={v1，v2，…，vc}，其中vi=[v1i，v2i，…，vpi]T;
dij=‖xj-vi‖ (4)
式中：p为所选参数个数，n为参数观测数据总数;c为聚类数，m为模糊加权指数，dij为数据xj到聚类中心vi的欧氏距离;
所述自适应模糊C均值聚类算法具体包括以下步骤：
(1)初始聚类数c=2;
(2)给定迭代标准ε>0，k=0，模糊加权指数m=2，B(1)=0，选取[0，1]上的均匀分布随机数来确定初始聚类中心V(0);
(3)计算隶属度矩阵U(k)：
(4)通过下式计算聚类中心V(k+1)：
(5)若‖V(k+1)-V(k)‖≤ε，则转到步骤(6);否则，置k=k+1，转到步骤(3);
(6)计算有效性函数B(c)，若2
其中为总体数据样本的中心向量。
3.根据权利要求2所述的软测量方法，其特征在于，所述COD模糊神经网络模型包括输入层、隐含层和输出层，其中隐含层又分为三层：模糊化输入层、模糊规则层和模糊化输出层;其中，模糊化输入层中的模糊隶属度函数选用高斯函数，模糊规则数为自适应模糊C均值聚类算法进行聚类分析得到的聚类数。
4.根据权利要求3所述的软测量方法，其特征在于，所述COD模糊神经网络模型的具体结构如下：
所述输入层为第一层：计算每个输入变量对应的隶属度，以水力停留时间HRT、进水pH值、好氧池DO和混合液回流比r为神经网络的4个输入变量，节点数为4×(c-1)，c-1为可自适应调节聚类数的模糊C均值聚类算法对数据进行聚类分析得到的聚类数;
所述模糊化输入层为第二层：输出为各节点的规则值，节点数为c-1，隶属度函数选用高斯函数;
所述模糊规则层为第三层：归一化各节点的规则数，该节点数为c-1;
所述模糊化输出层为第四层：计算每条规则的适用度，节点数与第三层个数同为c-1;
所述输出层为第五层：出水COD的预测值为输出神经元，该节点数为1。
5.根据权利要求4任意一项所述的软测量方法，其特征在于，进水COD值为300～4000mg/l，进水pH值为6～9，总水力停留时间HRT为10～30h，厌氧池ORP值为-200～0mv，好氧池DO值为0.3～5mg/l。
6.根据权利要求5所述的软测量方法，其特征在于，所述采用自适应模糊C均值聚类算法进行聚类分析是在MATLAB中进行。
7.实施权利要求1～6任意一项所述的软测量方法的系统，其特征在于，该系统包括传感器、进水泵、回流泵、模数转换模块、数模转换模块、接口转换器和装有组态软件MCGS及嵌有COD模糊神经网络模型的工控机;传感器的输出端与模数转换模块的输入端连接，模数转换模块的输出端依次与接口转换器和工控机相连;工控机再依次与接口转换器和数模转换模块连接，将数字信号转换成模拟信号传输给进水泵和回流泵的控制电路，控制进水泵和回流泵的转速，以达到水力停留时间和回流比的预设值;由传感器监测A/A/O废水处理系统进水pH值和好氧池DO，将模拟信号依次经过ADAM4017+转换模块和ADAM4520转换器转换为数字信号并传送至工控机的组态软件，再通过OPC技术传送给COD模糊神经网络模型，以实现对出水COD值的软测量。
说明书
一种废水处理系统出水COD的软测量方法和系统
技术领域
本发明涉及废水处理技术领域，具体是指一种废水处理系统出水COD的软测量方法和系统。
背景技术
随着现代工业过程对控制、计算、节能增效和运行可靠性等要求的不断提高，各种测量要求日益增多。现代过程检测的内涵和外延较之以往均有很大的深化和拓展。一方面，仅获取流量、温度和压力等常规过程参数的信息已经不能满足工艺操作和控制的要求，需要获取诸如成分、物性等与过程操作和控制密切相关的检测参数的测量信息。另一方面，仪表测量的精度要求越来越高。一般解决工业过程的测量问题有两条途径：一是沿袭传统的检测技术思路，以硬件形式实现过程参数的直接在线测量;另一种就是采用间接测量的思路，利用容易获取的其他测量信息，通过计算来实现对被测变量的估计。近年来在过程控制和检测领域涌现出的软测量技术就是这一思想的集中体现。以软测量技术为基础的软测量仪表是多输入多输出的智能型仪表，它可以是使用仪表，也可以是由用户进行编程的通用仪表。软测量仪表使用成本低，容易推广，可代替一些价格较贵且难以维护的仪表。软测量仪表结合软测量技术与控制技术，可采用现场总线的智能总线仪表以后，在一台仪表中实现多个回路的控制。软测量是面向对象的，通过编程或组态来实现软测量数学模型，可以通过编程器或组态操作方便地对模型参数进行修改，甚至可以对推理控制模型进行修正。软测量的控制推理模型可以方便地在分散控制系统中实现，一些较简单的数学模型还可以在单回路控制器中实现。
废水处理是个复杂的非线性过程，当前污水处理领域，废水的一些关键参数无法在线实时检测，大多数检测传感器、仪表存在测量时间滞后长，价格昂贵且维护困难的问题。在实际污水处理过程中，人工进行化验操作，会导致出水水质质量波动大，能耗大，费用高等问题。
发明内容
为了解决废水处理系统出水COD测量时间长，在线测量仪器价格昂贵且维护困难的问题，本发明将模糊逻辑和人工神经网络相结合，构建模糊神经网络，使用自适应模糊C均值聚类算法优化模糊神经网络规则数。设计出一个以能够实时在线监测的指标，具有五层结构和优良性能的COD模糊神经网络软测量模型。
本发明目的通过以下技术方案实现：
一种基于模糊神经网络废水处理系统出水COD的测量方法，包括以下步骤：
(1)测定进入A/A/O废水处理系统的水力停留时间HRT、进水pH值、好氧池DO和混合液回流比r，以及从废水处理系统流出的实际出水COD值;
(2)收集上述已测定的数据样本，采用自适应模糊C均值聚类算法，对数据进行聚类分析，根据得到的聚类数在MATLAB中建立起COD模糊神经网络模型，对模型进行训练，直到误差满足要求;
(3)将训练好的模糊神经网络模型嵌入工控机中，并使用组态软件MCGS构建好人机交互界面;
(4)采用OPC技术实现COD模糊神经网络模型与组态软件之间的数据交换，将组态软件收集好的数据输送至COD模糊神经网络模型，计算出出水COD的预测值，再把该值返回至工控机人机交互界面;
(5)不断重复步骤(4)，从而实现废水处理系统出水COD的在线实时监测。
所述训练算法可以采用最小二乘法和反向传播梯度下降法相结合的混合算法，是现有技术常用的训练算法。
所述数据样本矩阵为X={x1，x2，…，xn}，其中xi=[x1i，x2i，…，xpi]T，模糊C均值聚类就是求使聚类目标函数J(U，V)最小的隶属度矩阵U=[uij]c×n;以及聚类中心V={v1，v2，…，vc}，其中vi=[v1i，v2i，…，vpi]T;
dij=‖xj-vi‖ (4)
式中：p为所选参数个数，n为参数观测数据总数;c为聚类数，m为模糊加权指数，dij为数据xj到聚类中心vi的欧氏距离;
所述自适应模糊C均值聚类算法具体包括以下步骤：
(1)初始聚类数c=2;
(2)给定迭代标准ε>0，k=0，模糊加权指数m=2，B(1)=0，选取[0，1]上的均匀分布随机数来确定初始聚类中心V(0);
(3)计算隶属度矩阵U(k)：
(4)通过下式计算聚类中心V(k+1)：
(5)若‖V(k+1)-V(k)‖≤ε，则转到步骤(6);否则，置k=k+1，转到步骤(3);
(6)计算有效性函数B(c)，若2
其中为总体样本的中心向量。
所述COD模糊神经网络模型包括输入层、隐含层和输出层，其中隐含层又分为三层：模糊化输入层、模糊规则层和模糊化输出层;其中，模糊化输入层中的模糊隶属度函数选用高斯函数，模糊规则数为自适应模糊C均值聚类算法进行聚类分析得到的聚类数。
所述COD模糊神经网络模型的具体结构如下：
所述输入层为第一层：计算每个输入变量对应的隶属度，以水力停留时间HRT、进水pH值、好氧池DO和混合液回流比r为神经网络的4个输入变量，节点数为4×(c-1)，c-1为自适应调节聚类数的模糊C均值聚类算法对数据进行聚类分析得到的聚类数;
所述模糊化输入层为第二层：输出为各节点的规则值，节点数为c-1;隶属度函数选用高斯函数;
所述模糊规则层为第三层：归一化各节点的规则数，该节点为c-1;
所述模糊化输出层为第四层：计算每条规则的适用度，节点数与第三层个数同为c-1。
所述输出层为第五层：出水COD的预测值为输出神经元，该节点数为1。
进水COD值为300～4000mg/l，进水pH值为6～9，总水力停留时间HRT为10～30h，厌氧池ORP值为-200～0mv，好氧池DO值为0.3～5mg/l。
所述采用自适应模糊C均值聚类算法进行聚类分析是在MATLAB中进行。
实施所述的软测量方法的系统，该系统包括传感器、进水泵、回流泵、模数转换模块、数模转换模块、接口转换器和装有组态软件MCGS及嵌有COD模糊神经网络模型的工控机;传感器的输出端与模数转换模块的输入端连接，模数转换模块的输出端依次与接口转换器和工控机相连;工控机再依次与接口转换器和数模转换模块连接，将数字信号转换成模拟信号传输给进水泵和回流泵的控制电路，控制进水泵和回流泵的转速，以达到水力停留时间和回流比的预设值;由传感器监测A/A/O废水处理系统进水pH值和好氧池DO，将模拟信号依次经过ADAM4017+转换模块和ADAM4520转换器转换为数字信号并传送至工控机的组态软件，再通过OPC技术输送给COD模糊神经网络模型，以实现对出水COD值的软测量。
本发明的方法还包括下述步骤：借助传送控制协议/互联网协议(TCP/IP)和串行数据接口标准(R232/485)，通过计算机和双向通信，对上述数据进行实时收集。
所述采用自适应模糊C均值聚类算法进行聚类分析是在MATLAB中进行。
本发明相对于现有技术具有如下优点和有益效果：
(1)本发明将模糊逻辑与神经网络相结合，建立模糊神经网络模型，通过神经网络来实现模糊逻辑，同时利用自适应模糊C均值聚类算法动态调整模糊神经网络规则数，优化模型结构，提高模型预测精度。
(2)对出水COD的软测量可以解决COD测量设备时间滞后长的问题，真正实现对废水出水水质全面实时的监测，防止突发污染事故。
(3)本发明可以用于代替价格昂贵的COD测量设备，节省维护费用，降低废水处理成本，容易在废水处理工程推广应用，具有很好的社会效益和经济效益。
