神经网络动态规划在溶解氧控制中的应用

2013-10-24薄迎春李来鸿马善鹏夏伯锴

中国石油大学学报(自然科学版) 2013年1期

薄迎春，李来鸿，马善鹏，夏伯锴

(1.中国石油大学信息与控制工程学院，山东青岛 266580，2.胜利油田河口供电公司，山东东营 257200;3.山东石大科技集团有限公司，山东东营 257062)

溶解氧质量浓度控制对于采取活性污泥法的污水处理过程有着重要意义［1-3］。溶解氧质量浓度过低，使污泥活性降低，会抑制生物对有机物的降解，产生污泥膨胀。溶解氧质量浓度过高会加速消耗污水中的有机物，使微生物因缺乏营养而引起活性污泥的老化，增加能耗［3］。目前，实际溶解氧质量浓度控制主要采取PID控制策略［3］。由于污水处理过程非线性较强，其入水流量、入水污染物质量浓度等时刻发生变化，固定参数的PID控制器难以取得好的控制效果［2］。近年来，模型预测控制在污水处理过程得到了广泛的应用［2-3］。但是，由于污水处理过程参数的时变特性及不确定性，目前的机制模型在应用过程中很容易出现模型失配现象［2-3］。针对一类模型难以确定的被控过程，数据驱动控制方法在近几年得到了一定的重视［4-6］，其最大的优点是控制器的设计过程可以直接通过对输入、输出数据的学习实现控制器参数的调整。神经网络动态规划控制(neural dynamical programming control，NDPC)是一种典型数据驱动的控制方法［4］。该方法以Bellman优化原理为基础、采用神经网络逐步逼近系统最优的控制策略［7-8］。针对污水处理过程的溶解氧质量浓度控制问题，笔者提出一种NDP控制方案，并对评价网络的收敛性进行分析。