-
公开(公告)号：CN115905929A
公开(公告)日：2023-04-04
申请号：CN202211676768.1
申请日：2022-12-26
Applicant: 北京工业大学
Abstract: 本发明提出一种数据和知识驱动的总氮去除量智能检测方法，实现了污水处理过程中总氮去除量的在线智能检测。在污水处理过程中，通常使用来自多个场景的信息来监测其运行状态。由于具有异构特性的数据和知识无法被有效融合，导致难以提供一个统一可靠的监测方案，因此，本发明利用一种数据和知识驱动的模型预测污水处理过程的总氮去除量。该方法通过采集污水处理过程中的数据、约束知识和语义知识表达污水处理过程的运行状态，利用基于过程数据和语义知识的协同优化算法更新智能检测模型，实现污水处理过程总氮去除量的准确检测。
-
公开(公告)号：CN113627506B
公开(公告)日：2024-08-20
申请号：CN202110883215.2
申请日：2021-08-02
Applicant: 北京工业大学
Abstract: 本发明提出一种基于信息融合‑区间二型模糊神经网络的出水总磷智能检测方法，实现污水处理过程中出水总磷浓度的智能检测。针对污水处理过程具有复杂、非线性的特点，难以利用精确的数学模型建立，该出水总磷智能检测方法通过提取与出水总磷相关的特征变量，建立基于区间二型模糊神经网络的出水总磷检测模型，利用一种信息融合方法对检测模型进行训练，实现检测模型结构和参数的自动调整，完成了出水总磷智能检测模型的设计，在污水处理厂低成本运行的前提下保证了污水处理过程中出水总磷浓度的实时智能检测并提高了检测精度。
-
公开(公告)号：CN113627506A
公开(公告)日：2021-11-09
申请号：CN202110883215.2
申请日：2021-08-02
Applicant: 北京工业大学
Abstract: 本发明提出一种基于信息融合‑区间二型模糊神经网络的出水总磷智能检测方法，实现污水处理过程中出水总磷浓度的智能检测。针对污水处理过程具有复杂、非线性的特点，难以利用精确的数学模型建立，该出水总磷智能检测方法通过提取与出水总磷相关的特征变量，建立基于区间二型模糊神经网络的出水总磷检测模型，利用一种信息融合方法对检测模型进行训练，实现检测模型结构和参数的自动调整，完成了出水总磷智能检测模型的设计，在污水处理厂低成本运行的前提下保证了污水处理过程中出水总磷浓度的实时智能检测并提高了检测精度。
-
公开(公告)号：CN114912580B
公开(公告)日：2024-05-28
申请号：CN202210493001.9
申请日：2022-05-07
Applicant: 北京工业大学
IPC: G01N33/18 , G06F17/13 , G06Q10/0639 , G06Q50/26 , G06N3/0499 , G06N3/08
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：CN114814130B
公开(公告)日：2024-04-26
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：CN112183719B
公开(公告)日：2024-02-02
申请号：CN202010964415.6
申请日：2020-09-15
Applicant: 北京工业大学
Abstract: 一种基于多目标优化‑模糊神经网络的出水总氮智能检测方法属于污水处理领域，针对污水处理过程中出水总氮浓度难以实时检测、预测结果精确度低的问题。该智能检测方法针对网络的多级学习目标函数，采用具有全局优化能力的多目标粒子群优化算法优化网络结构和参数，建立合适的模糊神经网络检测模型，解决了基于单一目标函数的模糊神经网络泛化能力较差的问题；实验结果表明该方法提高了出水总氮的预测精度，保障在污水处理过程中出水总氮实能够实时准确地获得，同时保证了污水处理厂中低成本的需求。
-
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：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。
-
公开(公告)号：CN112183719A
公开(公告)日：2021-01-05
申请号：CN202010964415.6
申请日：2020-09-15
Applicant: 北京工业大学
Abstract: 一种基于多目标优化‑模糊神经网络的出水总氮智能检测方法属于污水处理领域，针对污水处理过程中出水总氮浓度难以实时检测、预测结果精确度低的问题。该智能检测方法针对网络的多级学习目标函数，采用具有全局优化能力的多目标粒子群优化算法优化网络结构和参数，建立合适的模糊神经网络检测模型，解决了基于单一目标函数的模糊神经网络泛化能力较差的问题；实验结果表明该方法提高了出水总氮的预测精度，保障在污水处理过程中出水总氮实能够实时准确地获得，同时保证了污水处理厂中低成本的需求。
-
公开(公告)号：CN118626854A
公开(公告)日：2024-09-10
申请号：CN202410763469.4
申请日：2024-06-13
Applicant: 北京工业大学
IPC: G06F18/214 , G06F30/27 , G06N7/02 , G06F119/02
Abstract: 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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
