| 基于动态模糊神经网络的出水含氮参数软测量方法 |
| |
| 作者姓名： | 蒙西 张寅 乔俊飞 |
| |
| 作者单位： | 北京工业大学信息学部,北京工业大学信息学部,北京工业大学信息学部 |
| |
| 基金项目： | 国家自然科学基金项目(61903012, 622731013, 61890930–5, 62021003), 科技创新2030—“新一代人工智能”重大项目(2021ZD0112301, 2021ZD 0112302), 国家重点研发计划项目(2019YFC1906004–2)资助. |
| |
| 摘 要： | 针对城市污水处理过程出水氨氮(NH4+-N)和出水总氮(TN)难以实时准确检测的问题, 文中提出了一种基于动态模糊神经网络(DFNN)的出水含氮参数软测量方法. 首先, 采用自组织增删机制和快速二阶学习算法构建模糊神经网络(FNN), 以快速获得结构精简的软测量模型; 其次, 引入自适应激活强度阈值设计FNN分级更新策略, 确保软测量模型在非平稳环境下的预测精度; 最后, 通过基准仿真1号模型(BSM1)平台的数据验证了DFNN软测量方法的有效性, 实验结果表明, 所提出的方法能够实现出水NH4+-N和出水TN的在线精准检测.
|
| 关 键 词： | 城市污水处理过程 模糊神经网络 分级更新 出水含氮量 软测量 |
| 收稿时间： | 2022-07-26 |
| 修稿时间： | 2024-08-28 |
|
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载免费的PDF全文 |
|
