-
公开(公告)号：CN114626300B
公开(公告)日：2023-05-02
申请号：CN202210265969.6
申请日：2022-03-17
Applicant: 北京工业大学
IPC: G06F30/27 , G06F18/214 , G06F119/02
Abstract: 一种基于数据离散化的出水氨氮智能预测方法于污水处理领域，针对城市污水处理过程出水氨氮预测峰值精度低的问题。先判断数据离散化间隔，对输入的数据进行离散化线性插值，获得间隔为一分钟的污水运行数据，在对离散化插值后的数据进行主成分分析获得辅助变量，用离散化插值后的辅助变量对模糊神经网络进行训练，预测下一时刻的出水氨氮，解决了出水氨氮峰值预测精度低的问题，实现出水氨氮浓度的实时预测。实验结果表明该方法提高了出水氨氮预测峰值的精度，以离散化数据空间的方式为获得可信度高的城市污水处理过程出水总氮预测值提供了一种有效的方法，满足城市污水处理厂的实际需求。
-
公开(公告)号：CN113003692B
公开(公告)日：2022-12-16
申请号：CN202110243667.4
申请日：2021-03-05
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于案例推理的城市污水处理脱氮过程加药控制方法，针对城市污水处理过程出水总氮难以优化排放的问题，本发明根据实际水厂运行的优良历史数据，应用偏最小二乘法选取案例库的条件属性变量构建案例库，通过挖掘案例库中的相似案例并进行匹配、推理总氮优化设定值调节甲醇加药量实现出水总氮浓度的控制，能够保证出水总氮排放合格的情况下，降低能耗，避免资源的浪费。
-
公开(公告)号：CN114912580A
公开(公告)日：2022-08-16
申请号：CN202210493001.9
申请日：2022-05-07
Applicant: 北京工业大学
Abstract: 本发明提出一种基于自适应判别策略的区间二型模糊神经网络出水总磷智能检测方法，实现了污水处理过程中不同工况下出水总磷浓度的实时智能检测。由于污水处理过程具有多种不同工况，难以利用单一固定的数学模型进行表达，因此，本发明利用一种自组织区间二型模糊神经网络表达污水处理过程。该方法通过实时分析污水处理过程数据，利用污水处理过程数据更新检测模型参数，基于动态数据分布差异的自适应判别策略完成检测模型结构动态调整，实现不同工况下出水总磷浓度的快速准确检测。
-
公开(公告)号：CN114859711A
公开(公告)日：2022-08-05
申请号：CN202210397170.2
申请日：2022-04-15
Applicant: 北京工业大学
Abstract: 本发明提出一种基于模糊二阶滑模的城市污水处理过程控制方法，利用好氧池两端的溶解氧浓度测量实现多单元的溶解氧浓度稳定控制。该方法设计了新型神经网络模型拟合溶解氧动态变化以获得等效控制量，并采用二阶滑模算法改善控制性能。该方法能有效克服污水处理过程中的强扰动影响，同时自适应工况变化，实现准确的多单元溶解氧浓度控制，有利于城市污水处理厂节能增效运行。
-
公开(公告)号：CN114814130A
公开(公告)日：2022-07-29
申请号：CN202210213127.6
申请日：2022-03-04
Applicant: 北京工业大学
Abstract: 本发明提出一种基于非奇异梯度下降算法的区间二型模糊神经网络的出水总氮智能检测方法，实现了污水处理过程中出水总氮浓度的快速智能检测。针对污水处理过程具有机理复杂和高度非线性的特点，难以利用准确的数学模型进行表达，因此，本发明利用区间二型模糊神经网络表达污水处理过程。该方法通过提取与出水总氮相关的特征变量，利用一种非奇异的梯度下降算法对基于区间二型模糊神经网络的出水总氮智能检测模型的参数进行调整，实现出水总氮智能模型的设计，保证污水处理过程中出水总氮浓度的快速智能检测。
-
Patent Agency Ranking
公开(公告)号：CN113156074A
公开(公告)日：2021-07-23
申请号：CN202110196095.9
申请日：2021-02-22
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于模糊迁徙的出水总氮检测方法，针对污水处理过程数据量不足的情况下，难以获得精确检测模型的问题。本发明采用主成分分析算法提取特征变量并建立基于模糊神经网络的检测模型，通过参考模型获取知识，并设计粒子滤波算法对知识进行校正，利用污水处理过程的知识和数据完成检测模型的参数调整，实现出水总氮的精准检测，解决了传统模糊神经网络在数据不足的情况下泛化能力较差的问题，具有较好的学习效率和预测精度，能够保证电子产品回收的高效稳定运行。
-
公开(公告)号：CN112346338A
公开(公告)日：2021-02-09
申请号：CN202011080017.4
申请日：2020-10-10
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于模糊神经网络的污水处理过程分层模型预测控制方法，实现了污水处理过程中溶解氧浓度和硝态氮浓度的在线分层控制。针对污水处理过程中时间尺度差异性，溶解氧浓度和硝态氮浓度难以精确控制的特点，该控制方法根据不同的时间尺度，建立了分层模型预测控制结构，按照不同频率控制溶解氧浓度和硝态氮浓度，符合实际污水处理厂的运行特点，能够有效提高控制效果，解决了当前多变量模型预测控制操作性能较差的问题。实验结果表明该方法能够获得较好的操作性能，能够按照不同时间尺度以不同频率实现溶解氧浓度和硝态氮浓度精确在线控制。
-
公开(公告)号：CN110569764A
公开(公告)日：2019-12-13
申请号：CN201910799717.X
申请日：2019-08-28
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于卷积神经网络的废旧手机型号识别方法。针对废旧手机回收过程中型号难以精确识别的问题，本发明利用边缘检测算法解析手机验机照片中的区域特征，构造了一种共享权值的特征提取卷积网络，评估废旧手机图像区域特征与标准样本之间的相似性，实现了手机型号的快速识别，本发明在不同场景下的手机型号识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN103886369B
公开(公告)日：2016-10-26
申请号：CN201410117471.0
申请日：2014-03-27
Applicant: 北京工业大学
Abstract: 针对当前污水处理过程出水总磷TP测量过程繁琐、仪器设备造价高、维护安装困难、测量结果可靠性和精确性低等问题，本发明提出了一种污水处理过程出水总磷TP智能预测方法，建立了基于模糊神经网络出水总磷TP预测方法，并且利用实时数据对预测模型进行校正，实现了对污水处理过程出水总磷TP的预测，解决了出水总磷TP难以测量的问题；实验结果表明该出水总磷TP预测方法能够快速、准确地预测污水处理出水总磷TP浓度，对环境差异具有很好的适应能力，保障了污水处理过程高效稳定运行。
-
公开(公告)号：CN103197544A
公开(公告)日：2013-07-10
申请号：CN201310059053.6
申请日：2013-02-25
Applicant: 北京工业大学
CPC classification number: Y02W10/15
Abstract: 针对污水处理过程高度非线性、强耦合性、时变、大滞后和不确定性严重等特点，本发明提出一种基于非线性模型预测的污水处理过程多目标控制方法，实现对污水处理过程中溶解氧(DO)和硝态氮(SNO)浓度的控制；该控制方法通过建立污水处理过程预测模型，利用非线性模型预测控制方法进行多目标控制，从而提高控制效果，能够快速、准确地使溶解氧和硝态氮达到期望要求；解决了当前基于开关控制和PID控制自适应能力较差的问题；实验结果表明该方法能够快速、准确地控制溶解氧和硝态氮浓度，具有较强的自适应能力，提高污水处理的质量和效率、降低污水处理成本，促进污水处理厂高效稳定运行。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.028 seconds)
