-
公开(公告)号：CN116842993A
公开(公告)日：2023-10-03
申请号：CN202310714351.8
申请日：2023-06-15
Applicant: 北京工业大学
Abstract: 本发明提出一种基于多属性二型模糊神经网络的总氮去除量检测方法，实现污水处理过程总氮去除量的在线智能检测。由于进水流量、进水成分、天气和运行工艺的变化，污水处理过程存在多种运行工况。然而，针对难以全面建模具有多种运行工况的污水处理过程，本发明设计一种基于多属性二型模糊神经网络总氮去除量智能检测方法，通过建立区间二型模糊神经网络总氮去除量检测模型，利用多属性模糊规则表达污水处理过程变量与总氮去除量的关联关系，基于梯度下降算法校正总氮去除量检测模型参数，实现多工况下总氮去除量的准确检测。
-
公开(公告)号：CN116738869A
公开(公告)日：2023-09-12
申请号：CN202310300004.0
申请日：2023-03-26
Applicant: 北京工业大学
IPC: G06F30/28 , G06F30/27 , G06F17/16 , G06F17/12 , G06N3/048 , G06N3/08 , G06F119/02 , G06F119/14 , G06F111/08 , G06F119/12
Abstract: 基于工况自适应划分的膜渗透性鲁棒预测方法属于污水处理与资源化利用领域。由于MBR污水处理过程受到不同工况的影响，导致膜污染相关数据中普遍存在不平衡样本，可能会降低预测性能。为了解决这一问题，本发明提出一种基于工况自适应划分的膜渗透性鲁棒预测方法来预测膜渗透性。首先，提出基于空间隶属度计算的交叉熵指标，该指标通过评估输入信息的数据波动特征对膜污染相关数据集进行自适应划分；其次，利用一种非线性回归模型来预测膜渗透性。结果表明该方法能够有效的预测膜渗透性的值。
-
公开(公告)号：CN113156074B
公开(公告)日：2023-06-23
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，属于污水处理领域，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。
-
公开(公告)号：CN114862222A
公开(公告)日：2022-08-05
申请号：CN202210536144.3
申请日：2022-05-17
Applicant: 北京工业大学
Abstract: 一种基于加权模糊规则的石化污水可生化性分类评价方法属于炼化污水处理与资源化利用领域。针对当前石化污水处理过程污水可生化性无法在线评价的问题，本发明设计了一种基于加权模糊规则的石化污水可生化性分类评价模型，实现了对石化污水处理过程污水可生化性的实时评价；结果表明该评价模型能够快速、准确地评价污水可生化性，具有较高的分类评价精度，对环境差异具有较好的适应能力，保证了污水处理过程安全稳定运行。
-
公开(公告)号：CN114861543A
公开(公告)日：2022-08-05
申请号：CN202210536143.9
申请日：2022-05-17
Applicant: 北京工业大学
Abstract: 一种数据驱动的石化污水可生化性智能评价方法属于炼化污水处理与资源化利用领域。针对当前石化污水处理过程BOD等关键变量的检测值实时获取困难，导致石化污水可生化性难以在线精确评价的问题，本发明设计了一种数据驱动的石化污水可生化性智能评价模型，实现了对石化污水可生化性的实时准确评价；实验结果表明该智能评价模型可以准确地评价石化污水可生化性，并具有较高的评价精度，保证了石化污水处理过程的安全高效稳定运行。
-
Patent Agency Ranking
公开(公告)号：CN114859707A
公开(公告)日：2022-08-05
申请号：CN202210259905.5
申请日：2022-03-16
Applicant: 北京北排水环境发展有限公司 , 北京工业大学
IPC: G05B13/04
Abstract: 本申请公开了一种基于预估补偿模型的溶解氧滑模控制方法。该方法可以包括：建立时滞影响下的溶解氧控制模型；通过基于模糊神经网络的溶解氧预测模型预测当前时刻生化反应池前一分区的溶解氧浓度；根据预测的当前时刻生化反应池前一分区的溶解氧浓度，进行基于自适应开关增益系数的滑模控制，输出溶解氧浓度的实际值。本发明通过模糊神经网络预测滞后变量的当前数据，消除控制模型中的滞后时刻，同时根据具有自适应开关增益系数的滑模控制，实现具有时滞特点的溶解氧浓度的稳定控制。
-
公开(公告)号：CN112346338B
公开(公告)日：2022-03-11
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：CN113031445A
公开(公告)日：2021-06-25
申请号：CN202110269794.1
申请日：2021-03-12
Applicant: 北京工业大学
IPC: G05B13/04 , C02F3/30 , C02F101/16
Abstract: 基于机理模型的污水脱氮过程鲁棒多变量控制方法属于自动控制、信息技术领域。由于污水脱氮过程中的不确定性及非线性问题，传统的基于模型控制、误差反馈控制或数据驱动控制策略，均难以获得理想的控制效果。本发明特点在于：1)只需要进水有机负荷的一种测量信号，即可实现多个控制回路的模型前馈控制；2)结合自适应多变量滑模控制技术，能精确跟踪缺氧池和好氧池的多个关键变量，减少误差保证控制性能。本发明在基准仿真平台的实验结果证明，所述方法能实现多单元硝态氮的精准控制，信号稳定无明显超调。同时能有效抑制能耗和药耗等运行成本，为解决复杂的工业流程控制问题提供可靠的解决方案。
-
公开(公告)号：CN112130450A
公开(公告)日：2020-12-25
申请号：CN202010918198.7
申请日：2020-09-03
Applicant: 北京工业大学
IPC: G05B11/42
Abstract: 城市污水处理自动控制虚拟仿真实验教学系统属于水处理领域，又属于实验教学领域。该系统以计算机仿真技术、多媒体技术和网络技术为依托，形成一套完备的虚拟仿真实验教学系统。以线下线上相结合的教学方案，实现了理论与实践教学的深度融合，使学生可以在高度仿真下进行自动控制系统设计。设计了污水处理自动控制系统虚拟仿真实验方法，通过建立模型、设计控制器、调整控制器参数和分析控制系统性能，实现了全流程的控制器设计教学，结合数据驱动的模糊神经网络来自适应地调节控制器参数，解决了传统参数调节方法实时性差，人为调节不可靠的特点，提高了实验效率。
-
公开(公告)号：CN103064290A
公开(公告)日：2013-04-24
申请号：CN201310000516.1
申请日：2013-01-01
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 基于自组织径向基神经网络的溶解氧模型预测控制方法既属于控制领域，又属于水处理领域。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，该控制方法通过自动调整神经网络结构，提高神经网络的处理能力，建立污水处理过程预测模型，利用模型预测控制方法进行控制，从而提高控制效果，能够快速、准确地使溶解氧达到期望要求；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、准确地控制溶解氧浓度，并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 0.021 seconds)
