公开(公告)号：CN111650834B

公开(公告)日：2022-08-30

申请号：CN202010546838.6

申请日：2020-06-16

Applicant: 湖南工业大学

Inventor： 王欣 ,  秦斌 ,  俞方罡

IPC: G05B13/04

Abstract: 针对现有污水处理控制技术中所存在的不足，发明一种基于极限学习机(ELM)的预测控制方法，本发明提出的方法通过采集污水过程数据，利用极限学习机建立包含污水过程溶解氧和硝态氮系统模型，准确描述系统实时状态，采用预测控制算法进行滚动优化，将控制目标及各种约束体现在优化性能指标中，并根据实时数据在线更新模型。实现了污水处理过程的流程优化控制，能根据控制情况及时调整控制量，保证控制过程的稳定，而且能够根据过程的变化情况进行自适应优化控制，使污水处理过程能耗降低。利用极限学习机作为预测控制的预测模型，不仅提高了系统的泛化性，避免了局部最优解，还提高了模型预测的速度，在获得相对高的精度时计算时间更短。

公开(公告)号：CN111650834A

公开(公告)日：2020-09-11

申请号：CN202010546838.6

申请日：2020-06-16

Applicant: 湖南工业大学

Inventor： 王欣 ,  秦斌 ,  俞方罡

IPC: G05B13/04

Abstract: 针对现有污水处理控制技术中所存在的不足，发明一种基于极限学习机(ELM)的预测控制方法，本发明提出的方法通过采集污水过程数据，利用极限学习机建立包含污水过程溶解氧和硝态氮系统模型，准确描述系统实时状态，采用预测控制算法进行滚动优化，将控制目标及各种约束体现在优化性能指标中，并根据实时数据在线更新模型。实现了污水处理过程的流程优化控制，能根据控制情况及时调整控制量，保证控制过程的稳定，而且能够根据过程的变化情况进行自适应优化控制，使污水处理过程能耗降低。利用极限学习机作为预测控制的预测模型，不仅提高了系统的泛化性，避免了局部最优解，还提高了模型预测的速度，在获得相对高的精度时计算时间更短。