买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工业大学

摘要：本发明提出一种基于自组织堆叠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多工况下出水总氮的实时智能检测。针对污水处理过程存在多种运行工况，无法利用单一固定的数学模型进行表达，因此，本发明利用堆叠二型模糊神经网络模拟具有多个运行工况的污水处理过程。该方法通过分析污水处理过程数据，建立基于堆叠二型模糊神经网络的出水总氮智能检测模型，利用城市污水处理过程数据更新检测模型参数，通过评估二型模糊神经网络的性能指导检测模型的结构调整，形成一个层次化的网络结构，实现多工况下出水总氮的快速准确检测。

主权项：1.一种基于自组织堆叠二型模糊神经网络的出水总氮智能检测方法，其特征在于，包括以下步骤：1出水总氮智能检测模型输入变量选取以城市污水处理过程为研究对象，选取化学需氧量、内回流流量、厌氧池氧化还原电位、缺氧池氧化还原电位、第一好氧池溶解氧和第二好氧池溶解氧作为出水总氮智能检测模型的输入变量；出水总氮作为出水总氮智能检测模型的输出变量；将输入变量和输出变量进行归一化处理操作： 其中，b＝1,…,7；t＝1,…,N，N为样本总数，U1t为t时刻化学需氧量，单位是毫克升，U1,min为化学需氧量全部样本的最小值，U1,max为化学需氧量全部样本的最大值，U2t为t时刻内回流流量，单位立方米小时，U2,min为内回流流量全部样本的最小值，U2,max为内回流流量全部样本的最大值，U3t为t时刻厌氧池氧化还原电位，单位毫伏，U3,min为厌氧池氧化还原电位全部样本的最小值，U3,max为厌氧池氧化还原电位全部样本的最大值，U4t为t时刻缺氧池氧化还原电位，单位毫伏，U4,min为缺氧池氧化还原电位全部样本的最小值，U4,max为缺氧池氧化还原电位全部样本的最大值，U5t为t时刻第一好氧池溶解氧浓度，单位毫克升，U5,min为第一好氧池溶解氧全部样本的最小值，U5,max为第一好氧池溶解氧全部样本的最大值，U6t为t时刻第二好氧池溶解氧浓度，单位毫克升，U6,min为第二好氧池溶解氧全部样本的最小值，U6,max为第二好氧池溶解氧全部样本的最大值，U7t为t时刻出水总氮，单位毫克升，U7,min为出水总氮全部样本的最小值，U7,max为出水总氮全部样本的最大值，u1t为t时刻归一化后的化学需氧量，u2t为t时刻归一化后的内回流流量，u3t为t时刻归一化后的厌氧池氧化还原电位，u4t为t时刻归一化后的缺氧池氧化还原电位，u5t为t时刻归一化后的第一好氧池溶解氧浓度，u6t为t时刻归一化后的第二好氧池溶解氧浓度；为t时刻归一化后的实际出水总氮；2出水总氮智能检测模型建立出水总氮智能检测模型由S个区间二型模糊神经网络堆叠组成，S为大于等于2的整数，其中第s个区间二型模糊神经网络包括以下五层，s＝1,2,…,S；输入层：由6个神经元组成，输入变量ust＝[u1t,u2t,…,u6t]T，T为转置计算；隶属函数层：由5个神经元组成，每个神经元输出为： 其中，是t时刻第s个区间二型模糊神经网络第i个输入第j个神经元上界输出，是t时刻第s个区间二型模糊神经网络第i个输入第j个神经元下界输出，nsijt是t时刻第s个区间二型模糊神经网络第i个输入第j个神经元的上中心，msijt是t时刻第s个区间二型模糊神经网络第i个输入第j个神经元的下中心，σsijt是t时刻第s个区间二型模糊神经网络第i个输入第j个神经元的宽度，s＝1,2,…,S；i＝1,…,6；j＝1,…,5；激活层：由5个神经元组成，每个神经元输出为： 其中，φ1sjt是t时刻第s个区间二型模糊神经网络第j个神经元上界输出，φ2sjt是t时刻第s个区间二型模糊神经网络第j个神经元下界输出，j＝1,…,5；后件层：由2个神经元组成，后件层输出表示为： 其中，y1st是t时刻第s个区间二型模糊神经网络上界输出，y2st是t时刻第s个区间二型模糊神经网络下界输出，asijt是t时刻第i个输入第j个神经元的权重系数；子输出层：由1个神经元组成，输出层输出表示为：yst＝1-qsty1st+qsty2st8其中，yst为t时刻第s个区间二型模糊神经网络的预测子输出，qst是t时刻第s个区间二型模糊神经网络比例系数；t时刻出水总氮智能检测模型输出为： 其中，yt为t时刻出水总氮智能检测模型的输出；3出水总氮智能检测模型参数和结构调整①初始化出水总氮智能检测模型：设当前时刻t＝1，当前迭代次数g＝1，出水总氮智能检测模型第s个区间二型模糊神经网络初始时刻的上中心ngsij1在区间[0,1]中随机取值，下中心mgsij1＝0.8ngsij1，宽度σgsij1＝1，权重系数agsij1在区间[0,1]中随机取值，比例系数qgs1＝0.3，s＝1,…,S；S初始值设置为2；最大迭代次数为Q；Q为大于等于100的整数；②更新出水总氮智能检测模型参数：将t时刻输入样本输入出水总氮智能检测模型，利用公式2-8获得第g次迭代的t时刻样本对应的预测子输出ygst，并计算t时刻第s个区间二型模糊神经网络第g次迭代的预测误差利用公式9计算出水总氮智能检测模型第g次迭代的输出ygt；出水总氮智能检测模型第s个区间二型模糊神经网络中第g次迭代的网络参数更新公式为： 其中，ngsijt是t时刻第s个区间二型模糊神经网络第g次迭代的第i个输入第j个神经元的上中心，mgsijt是t时刻第s个区间二型模糊神经网络第g次迭代的第i个输入第j个神经元的下中心，σgsijt是t时刻第s个区间二型模糊神经网络第g次迭代的第i个输入第j个神经元的宽度，agsijt是t时刻第s个区间二型模糊神经网络第g次迭代的第i个输入第j个神经元的权重系数，qgst是t时刻第s个区间二型模糊神经网络第g次迭代的比例系数，ngsijt+1是t+1时刻第s个区间二型模糊神经网络第g次迭代的第i个输入第j个神经元的上中心，mgsijt+1是t+1时刻第s个区间二型模糊神经网络第g次迭代的第i个输入第j个神经元的下中心，σgsijt+1是t+1时刻第s个区间二型模糊神经网络第g次迭代的第i个输入第j个神经元的宽度，agsijt+1是t+1时刻第s个区间二型模糊神经网络第g次迭代的第i个输入第j个神经元的权重系数，qgst+1是t+1时刻第s个区间二型模糊神经网络第g次迭代的比例系数，是Egst对ngsijt的偏导数，是Egst对mgsijt的偏导数，是Egst对σgsijt的偏导数，是Egst对agsijt的偏导数，是Egst对qgst的偏导数；s＝1,…,S；③若时刻tN，t增加1，转向步骤②；若时刻t＝N，转向步骤④；④将N组输入样本依次输入出水总氮智能检测模型，利用公式2-8获得N组第g次迭代的预测子输出ygs1,…,ygsN，s＝1,…,S；利用公式9计算出水总氮智能检测模型第g次迭代的N组样本对应的输出yg1,…,ygN；第α个区间二型模糊神经网络和第β个区间二型模糊神经网络第g次迭代似度Cgαβ为： 其中，ygαt为t时刻第α个区间二型模糊神经网络第g次迭代的预测输出，ygβt为t时刻第β个区间二型模糊神经网络第g次迭代的预测输出，α＝1,…,S-1；β＝i+1,…,S；第s个区间二型模糊神经网络第g次迭代的贡献度Dgs为： 出水总氮智能检测模型第g次迭代的输出误差信息为： 其中，Fg是出水总氮智能检测模型第g次迭代的输出误差；若迭代次数g＝1，设置变量ng+1sij1＝ngsijt+1，mg+1sij1＝mgsijt+1，σg+1sij1＝σgsijt+1，ag+1sij1＝agsijt+1，qg+1s1＝qgst+1，设置t＝1，g增加1，转向步骤②；若迭代次数g1时，转向步骤⑤；⑤调整出水总氮智能检测模型结构：若出水总氮智能检测模型的第β个区间二型模糊神经网络满足以下条件时： 删除出水总氮智能检测模型的第β个区间二型模糊神经网络，设置出水总氮智能检测模型第β个区间二型模糊神经网络上中心ngβijt+1＝0，下中心mgβijt+1＝0，宽度σgβijt+1＝0，权重系数agβijt+1＝0，比例系数qgβt+1＝0，i＝1,…,6；j＝1,…,5；S减少1；其中，Cgαβ为第α个区间二型模糊神经网络和第β个区间二型模糊神经网络第g次迭代似度，Dgα为第α个区间二型模糊神经网络第g次迭代的贡献度，相似度矩阵C＝[Cg12,Cg13,…,CgS-1S]，贡献度矩阵D＝[Dg1,Dg2,…,DgS]；若出水总氮智能检测模型满足以下条件时：FgFg-115出水总氮智能检测模型将增加一个区间二型模糊神经网络，S增加1；设置出水总氮智能检测模型第S个区间二型模糊神经网络上中心ngSijt+1在区间[0,1]中随机取值，下中心mgSijt+1＝0.8ngSijt+1，宽度σgSijt+1＝1，权重系数agSijt+1在区间[0,1]中随机取值，比例系数qgSt+1＝0.3，i＝1,…,6；j＝1,…,5；⑥若迭代次数gQ时，设置变量ng+1sij1＝ngsijt+1，mg+1sij1＝mgsijt+1，σg+1sij1＝σgsijt+1，ag+1sij1＝agsijt+1，qg+1s1＝qgst+1，设置t＝1，g增加1，转向步骤②；若迭代次数g≥Q时，转向步骤4；4基于自组织堆叠二型模糊神经网络的出水总氮检测在线采集当前t时刻污水处理过程中t时刻化学需氧量U1t、t时刻内回流流量U2t、t时刻厌氧池氧化还原电位U3t、t时刻缺氧池氧化还原电位U4t、t时刻第一好氧池溶解氧浓度U5t、t时刻第二好氧池溶解氧浓度U6t；将各变量归一化处理，得到t时刻归一化后的化学需氧量u1t、t时刻归一化后的内回流流量u2t、t时刻归一化后的厌氧池氧化还原电位u3t、t时刻归一化后的缺氧池氧化还原电位u4t、t时刻归一化后的第一好氧池溶解氧浓度u5t、t时刻归一化后的第二好氧池溶解氧浓度u6t；因此，获得当前t时刻出水总氮智能检测模型的输入变量ust＝[u1t,u2t,…,u6t]T；s＝1,…,S；将输入向量输入出水总氮检测模型的S个区间二型模糊神经网络的输入层，经过出水总氮检测模型隶属函数层、激活层、后件层和子输出层传递，获得出水总氮检测模型的输出值yt，其为归一化后的出水总氮检测值；将归一化后的出水总氮检测值yt反归一化处理，得到当前时刻出水总氮的检测值Yt，单位毫克升。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于自组织堆叠二型模糊神经网络的出水总氮智能检测方法