公开(公告)号：CN118884806A

公开(公告)日：2024-11-01

申请号：CN202410906906.3

申请日：2024-07-08

Applicant: 北京工业大学

Inventor： 杜胜利 ,  陈培锡 ,  孙瑞 ,  韩红桂 ,  乔俊飞

IPC: G05B11/42 ,  C02F3/00 ,  C02F3/30 ,  C02F101/16

Abstract: 本发明提出了城市污水处理过程多变量自适应PID控制方法，涉及人工智能领域，将多智能体深度强化学习与增量式PID控制相结合，通过多个深度强化学习智能体实现对PID控制器参数的在线调整，从而解决了PID控制器应用于污水处理过程时自适应能力差、抗干扰能力不足、难以实现多个变量的精确协同控制的问题；实验结果表明该方法不仅能快速、精准的控制溶解氧DO浓度和硝态氮NO浓度以达到精确在线协同控制的目的，还具有较好的自适应能力和解耦控制能力，能够在溶解氧DO和硝态氮NO的浓度期望值发生改变时快速的将溶解氧DO和硝态氮NO的浓度稳定在新的期望值附近。

公开(公告)号：CN119065251A

公开(公告)日：2024-12-03

申请号：CN202411186761.0

申请日：2024-08-27

Applicant: 北京工业大学

Inventor： 杜胜利 ,  孙瑞 ,  陈培锡 ,  韩红桂 ,  乔俊飞

IPC: G05B13/04

Abstract: 本申请公开了一种城市污水处理过程多变量控制方法，通过构建污水处理过程控制环境，确定状态空间函数、动作空间函数以及奖励函数，基于深度强化学习算法构建DO智能体和NO智能体并进行训练，然后根据训练后的DO智能体和NO智能体得到第二控制器用于对硝态氮浓度和溶解氧浓度进行控制，实现了稳定地跟踪溶解氧浓度和硝态氮浓度的设定值，即使溶解氧浓度和硝态氮浓度的期望值发生改变也能快速的将溶解氧浓度和硝态氮浓度稳定在新的期望值附近，提高了控制溶解氧浓度和硝态氮浓度的精准度。

公开(公告)号：CN116449684A

公开(公告)日：2023-07-18

申请号：CN202310427799.1

申请日：2023-04-20

Applicant: 北京工业大学

Inventor： 杜胜利 ,  陈培锡 ,  乔俊飞

IPC: G05B11/42

Abstract: 本发明提出了一种基于深度强化学习的溶解氧浓度自适应PID控制方法，实现了污水处理过程中溶解氧DO浓度的精确在线控制；针对污水处理过程中具有不确定性、非线性、强耦合性，控制器参数难以确定，溶解氧DO浓度难以控制的特点，该控制方法将深度强化学习与传统PID控制相结合，通过深度强化学习DRL智能体实现对PID控制器参数的实时动态调整，从而解决了PID控制器应用于溶解氧DO的浓度控制时存在的控制精度不高、自适应能力差等问题；实验结果表明该方法不仅能快速、精准的控制溶解氧DO的浓度以达到精确在线控制的目的，还具有较好的自适应能力，能够在溶解氧DO的浓度期望值发生改变时快速的将溶解氧DO的浓度稳定在新的期望值附近。