王彬，贠卫国

西安建筑科技大学信息与控制工程学院，西安 710055

K-聚类的模糊神经网络对DO的控制研究

王彬，贠卫国

西安建筑科技大学信息与控制工程学院，西安 710055

运用一种基于K-聚类算法的模糊径向基函数（RBF）神经网络对污水处理中的溶解氧质量浓度进行控制，该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点，将模糊控制、RBF神经网络以及K-聚类学习算法相结合以在线调整隶属函数，优化控制规则。通过对阶跃输入仿真分析，其结果表明基于RBF的模糊神经网络控制器具有良好的动态性能、较强的鲁棒性和抗干扰能力，使其快速、准确地达到期望水平。

K-聚类算法；RBF神经网络；模糊控制；溶解氧；MATLAB仿真

1 引言

曝气池系统中的微生物都是好氧菌，要保证活性污泥系统正常运行，必须在混合液中保持一定浓度的溶解氧。溶解氧浓度过高，耗能太大；溶解氧浓度过低，丝状菌易于在系统中占优势，诱发产生污泥膨胀影响水质。因此如何把曝气池中溶解氧质量浓度控制在一个适当的水平是污水处理中研究的热点，传统的控制方式对溶解氧质量浓度的控制精度不高、实时性不够理想，缺乏一定的自适应能力。鉴于此，本文设计了一种基于K-聚类算法的模糊RBF神经网络控制器。

2 模型的确定

依据活性污泥法污水处理系统的基本原理及国际水协会废水生物处理设计与运行数学模型课题组建立的活性污泥1号模型（AMS1），并结合实际污……