-
公开(公告)号：CN118095883A
公开(公告)日：2024-05-28
申请号：CN202410175216.5
申请日：2024-02-07
Applicant: 北京工业大学
IPC: G06Q10/0637 , G06Q50/26 , G06F18/23213 , G06N3/084 , G06N3/088 , G06N3/09
Abstract: 本发明提供了一种基于分布式特征提取神经网络的污水生化需氧量的监测方法。污水处理过程各个环节的过程变量多且关系复杂，鲜有特征表现出显著的相关性，可能会导致输入信息不完备，增大模型偏差，从而影响模型的实时预测性能。首先，提出了一种稀疏子空间任务分解聚类算法，该算法将原始空间划分为若干个交互的特征子空间，同时分配一个权值来描述子任务的贡献。其次，构建了一个差异化的并行编码网络，实现了各子空间的特征提取和融合。最后，提出了一种基于全局梯度下降的协同优化算法，同时对各子模型的网络参数进行优化，以保证模型的准确性。结果表明该方法能够实现生化需氧量的高精度实时预测。
-
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：CN117973190A
公开(公告)日：2024-05-03
申请号：CN202410076517.2
申请日：2024-01-18
Applicant: 北京工业大学
IPC: G06F30/27 , G06F30/28 , G06N3/043 , G06N3/044 , G06N3/048 , G06N3/084 , G06F113/08 , G06F119/14
Abstract: 本发明提出基于区间修正策略的膜渗透性置信预测方法，解决在预测膜渗透性的过程中，输入数据的分布特性可能会因工况的变化或扰动而发生波动。模糊神经网络模型很难捕捉和适应这种动态变化，预测结果缺乏阈值约束导致预测性能下降。首先，设计了基于最大信息系数的自相关分析方法，分析了膜渗透性时间序列多步预测的可预测时长，以减少误差的累积。第二，建立了基于置信区间的递归模糊神经网络可信预测模型，该模型利用相对偏差计算每种工况数据的置信区间对预测结果进行约束，提高了膜渗透预测值的鲁棒性和准确性。第三，基于预测值和置信区间，引入校正系数来有效控制校正程度以调整预测结果，在处理异常情况时更加鲁棒，提高了预测值的可靠性。
-
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。
-
公开(公告)号：CN116312848A
公开(公告)日：2023-06-23
申请号：CN202211738472.8
申请日：2022-12-31
Applicant: 北京工业大学
IPC: G16C20/30 , G16C20/70 , G06N3/043 , G06N3/044 , G06N3/048 , G06N3/084 , G06F18/214 , G06F18/2413 , G06F18/22 , G06F123/02
Abstract: 具有不平衡样本的膜渗透性动态多步预测方法属于污水处理领域。本发明以预警未来膜污染事件。首先，围绕膜生物反应器污水处理过程数据存在重叠、陡变等不平衡问题，提出数据自适应分类方法，重构与膜污染相关的变量数据集，实现对膜生物反应器污水处理过程数据不平衡样本的连续分类；其次，基于时间序列下数据个体之间的关联关系，提出基于吸引力的递归模糊神经网络动态多步预测模型，通过调整调整递归项参数，降低预测模型的累积误差；第三，设计具有自适应学习率的速度梯度下降算法更新神经网络参数，加快学习过程并确保输出的稳定性。结果表明该方法能够保证未来一段时间内膜渗透性的高精度预测。
-
Patent Agency Ranking
公开(公告)号：CN110647037B
公开(公告)日：2022-03-15
申请号：CN201910899611.7
申请日：2019-09-23
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于二型模糊神经网络的污水处理过程协同控制方法，针对污水处理过程难以建立精确的数学模型，污水处理过程具有较强的非线性和不确定性，溶解氧DO浓度和硝态氮NO3‑N浓度难以有效控制的特点，实现污水处理过程中溶解氧DO浓度和硝态氮NO3‑N浓度的协同控制。该控制方法利用二型模糊神经网络，建立协同模糊神经控制器，搭建协同模糊神经控制器和控制对象的回路，利用协同模糊神经控制方法对溶解氧DO浓度和硝态氮NO3‑N浓度进行控制，能够在不同运行工况下对溶解氧DO浓度和硝态氮NO3‑N浓度进行快速、准确的控制，提高了污水处理过程在不同工况下的运行性能，实现了令人满意的控制精度。
-
公开(公告)号：CN114139434A
公开(公告)日：2022-03-04
申请号：CN202111000126.5
申请日：2021-08-26
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于级连神经网络的膜污染多指标辨识方法，其特征在于，该方法考虑不相关输入变量对输出指标的干扰，基于级连结构可以避免不相关变量对输出的影响，并通过分层学习算法调整级连神经网络的参数，实现膜污染多指标的预测，解决了膜污染多指标预测精度不能满足要求的问题，具有较高的预测精度和辨识效果。
-
公开(公告)号：CN103197544B
公开(公告)日：2015-06-17
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。
-
公开(公告)号：CN103064290B
公开(公告)日：2015-06-17
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。
-
公开(公告)号：CN103605882A
公开(公告)日：2014-02-26
申请号：CN201310518067.X
申请日：2013-10-28
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 一种丝状菌污泥膨胀指数SVI特征模型的构建方法是先进制造技术领域的重要分支，也是水处理领域的重要组成部分。针对引发丝状菌污泥膨胀的因素众多、机理模型难以建立的问题，该模型基于丝状菌污泥膨胀致因因素分析，提取了丝状菌生长的动力学特性，运用数据统计方法校正模型参数；通过相关过程变量和丝状菌污泥膨胀机理实现了SVI预测，解决了污泥膨胀模型难建立的问题，提高了模型在污水处理过程中对环境差异的适应能力，保障污水处理过程异常工况的监控。实验结果表明该模型能够快速有效的预测污泥膨胀指数SVI值，预测精度较高，对环境差异具有很好的适应能力，保障了污水处理过程异常工况的监控和高效稳定运行。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.022 seconds)
