基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)在溶解氧濃度控制中的應(yīng)用

1、基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)在溶解氧濃度控制中的應(yīng)用論文導(dǎo)讀:：污水處理系統(tǒng)中，溶解氧的濃度起著至關(guān)重要的作用。本文針對污水處理CASS池中溶解氧濃度控制的重要性和控制要求等，提出了用BP神經(jīng)網(wǎng)絡(luò)對其控制的方法，并設(shè)計BP神經(jīng)網(wǎng)絡(luò)控制器。通過對BP網(wǎng)絡(luò)模型的訓(xùn)練和仿真，得出BP神經(jīng)網(wǎng)絡(luò)控制器對溶解氧濃度控制具有高度的精確性和可靠性。最后將此BP網(wǎng)絡(luò)控制器結(jié)合與PLC相結(jié)合應(yīng)用到實際系統(tǒng)中，對溶解氧濃度的控制達(dá)到了理想的效果。論文關(guān)鍵詞：MATLAB，BP神經(jīng)網(wǎng)絡(luò)，污水處理，溶解氧0、引言近年來，環(huán)境污染日益嚴(yán)重，淡水資源日益匱乏，如何將污水處理后排放或加以利用，已經(jīng)成為世界各國政府關(guān)注的大事

2、?；钚晕勰喾ㄊ悄壳按蠖鄶?shù)城市污水生活處理廠廣泛采用的污水處理工藝，其基本流程包括粗格柵及提升泵房、細(xì)格柵及沉砂池、配水計量井、CASS反應(yīng)池、計量井、接觸消毒池等，處理工藝圖如圖1所示。在曝氣作用下機(jī)電一體化論文，CASS反應(yīng)池中的污水得到足夠的溶解氧并使存活在活性污泥上的微生物分解可溶性有機(jī)物，經(jīng)過一系列的生化反應(yīng)，使污水得到凈化1。圖1 污水處理工藝圖1、控制策略分析與控制器設(shè)計1.1 控制策略分析CASS反應(yīng)池中溶解氧濃度的高低直接影響著有機(jī)物的去除效率，也就相應(yīng)的影響了出水水質(zhì)。如果溶解氧濃度過低，供氧不足，會使微生物代謝活動受影響，微生物凈化功能降低，使生化反應(yīng)不夠充分，出水水質(zhì)達(dá)不

3、到標(biāo)準(zhǔn)；如果溶解氧濃度過高，氧的轉(zhuǎn)移效率降低，動力費(fèi)用增加。曝氣池中影響溶解氧濃度的因素眾多，主要有進(jìn)水水質(zhì)化驗值(BOD，COD，TP，TN機(jī)電一體化論文，SS)和進(jìn)水流量等免費(fèi)論文。所以，在污水處理過程中不同工況下都能夠?qū)θ芙庋鯘舛冗M(jìn)行快速有效的控制，對整個污水處理過程具有重大的現(xiàn)實意義2。由于對溶解氧濃度的控制是一個大時滯、非線性、多變量的系統(tǒng)，溶解氧濃度數(shù)學(xué)模型難以建立，所以對溶解氧濃度的傳統(tǒng)控制方式存在著控制精度不夠高，實時性不夠好等缺點(diǎn)?；谝?guī)則的傳統(tǒng)模糊控制雖取得了比傳統(tǒng)PID控制方法好的控制效果，但是，由于缺乏自學(xué)習(xí)能力，不能在線調(diào)整控制規(guī)則，自適應(yīng)能力差，使系統(tǒng)的魯棒性受到限

4、制。神經(jīng)網(wǎng)絡(luò)控制是將神經(jīng)網(wǎng)絡(luò)在相應(yīng)的控制系統(tǒng)結(jié)構(gòu)中作為控制器或辨識器，由于神經(jīng)網(wǎng)絡(luò)是從微觀結(jié)構(gòu)與功能上通過對人腦神經(jīng)系統(tǒng)的模擬而建立起來的一類模型，具有模擬人的部分智能的特性，使神經(jīng)控制能對變化的環(huán)境具有自適應(yīng)性，且成為基本上不依賴于數(shù)學(xué)模型的一類控制機(jī)電一體化論文，所以它在控制系統(tǒng)中的應(yīng)用具有多樣性和靈活性。1.2 BP網(wǎng)絡(luò)控制器設(shè)計BP網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、隱含層和輸出層組成。層與層之間采用全互連方式，同一層之間不存在相互連接，隱含層可以有一個或多個3。構(gòu)造一個BP網(wǎng)絡(luò)需要確定其處理單元神經(jīng)元的特性和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)最基本的處理單元，隱含層中的神經(jīng)元采用S型變

5、換函數(shù)，輸出層的神經(jīng)元可采用S型或線性變換函數(shù)。圖2所示即為一個典型的三層BP網(wǎng)絡(luò)結(jié)構(gòu)。圖2 典型三層BP網(wǎng)絡(luò)結(jié)構(gòu)設(shè)上圖BP網(wǎng)絡(luò)輸入層有M個節(jié)點(diǎn)，輸出層有L個節(jié)點(diǎn)，而且隱含層只有一層，具有N個節(jié)點(diǎn)。一般情況下NML。設(shè)輸入層神經(jīng)節(jié)點(diǎn)的輸出為ai（i=1，2，M）；隱含層節(jié)點(diǎn)的輸出為aj（j=1，2，N）；輸出層神經(jīng)節(jié)點(diǎn)的輸出為yk（k=1機(jī)電一體化論文，2，L）；神經(jīng)網(wǎng)絡(luò)的輸出向量為ym；期望輸出向量為yp免費(fèi)論文。則：（1）輸入層第i個節(jié)點(diǎn)的輸入為式中xi（i=1,2，M）為網(wǎng)絡(luò)的輸入，i為第i個節(jié)點(diǎn)的閾值。（2）隱含層的第j個節(jié)點(diǎn)輸入為式中wij和j分別為隱含層的權(quán)值和第j個節(jié)點(diǎn)的閾值。（

6、3）輸出層第k個節(jié)點(diǎn)的輸入為1.3 BP網(wǎng)絡(luò)學(xué)習(xí)算法的步驟（1）初始化：置所有的加權(quán)系數(shù)為最小的隨機(jī)數(shù)。（2）提供訓(xùn)練集：給出順序賦值的輸入向量和期望的輸出向量。（3）基數(shù)按實際輸出：計算隱含層和輸出層各神經(jīng)元的輸出。（4）計算期望值與實際輸出的誤差。（5）調(diào)整輸出層的加權(quán)系數(shù)。（6）調(diào)整隱含層的加權(quán)系數(shù)。（7）返回步驟（3），直到誤差滿足要求為止。2、BP網(wǎng)絡(luò)控制器的MATLAB實現(xiàn)2.1 BP網(wǎng)絡(luò)模型的建立與訓(xùn)練由于待處理的污水組成成分復(fù)雜，對溶解氧濃度的影響并不是一兩個因素，根據(jù)污水的主要污染物組成的特點(diǎn)，我們選取了最具代表性和普遍意義，具有關(guān)鍵控制作用的幾個進(jìn)水參數(shù)，即選取進(jìn)水的BOD

7、5、COD、SS、TN、TP以及進(jìn)水流量作為輸入層的輸入節(jié)點(diǎn)，輸出節(jié)點(diǎn)即為溶解氧濃度。通常隱含層的數(shù)目及隱含層神經(jīng)元數(shù)目決定著神經(jīng)網(wǎng)絡(luò)的運(yùn)算速度、存儲空間和收斂性質(zhì)。太多或太少的隱含層都會導(dǎo)致神經(jīng)網(wǎng)絡(luò)的收斂性變差，這是因為過少的隱含層處理單元數(shù)目不足以反映輸入變量間的交互作用，因而誤差較大機(jī)電一體化論文，而數(shù)目過多，雖然可以達(dá)到更小的誤差值，但因網(wǎng)絡(luò)較復(fù)雜，從而收斂較慢6免費(fèi)論文。有研究表明，當(dāng)隱含層為12層時，網(wǎng)絡(luò)的收斂性最佳。本系統(tǒng)采用1層隱含層。首先確定BP網(wǎng)絡(luò)訓(xùn)練的樣本數(shù)據(jù)，本文對BP神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行訓(xùn)練和檢驗的數(shù)據(jù)，是采用某污水處理廠一個月中每天中午十二點(diǎn)的采樣數(shù)據(jù)，其中5號、10

8、號、15號、20號、25號、30號這6天的數(shù)據(jù)進(jìn)行驗證網(wǎng)絡(luò)的輸出，其它24天的數(shù)據(jù)進(jìn)行對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。其次建立網(wǎng)絡(luò)并對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。首先將訓(xùn)練數(shù)據(jù)和檢測數(shù)據(jù)導(dǎo)入到工作空間，生成p1和t向量用來訓(xùn)練網(wǎng)絡(luò)；生成p2向量和test_target向量，用來通過仿真檢測網(wǎng)絡(luò)的性能。然后通過命令生成一個隱含層包含5個神經(jīng)元，輸出層包含1個神經(jīng)元的BP網(wǎng)絡(luò)；第一層傳遞函數(shù)是tansig()，第二層傳遞函數(shù)是線性的，訓(xùn)練函數(shù)選取為traingd()。設(shè)置好訓(xùn)練次數(shù)、誤差精度、學(xué)習(xí)率等參數(shù)機(jī)電一體化論文，開始訓(xùn)練網(wǎng)絡(luò)。MATLAB中部分程序代碼如下所示：net = newff(minmax(p1),5,1,t

9、ansig,purelin,traingd);%生成一個BP網(wǎng)絡(luò)net.trainParam.show= 20; %每隔20次顯示一次net.trainParam.lr= 0.01; %學(xué)習(xí)率設(shè)為0.01net.trainParam.mc= 0.9; %動量因子設(shè)為0.9net.trainParam.epochs= 100; %最大訓(xùn)練次數(shù)設(shè)為100net.trainParam.goal= 1e-2; %訓(xùn)練要求精度設(shè)為0.01net,tr = train(net,p1,t); %開始訓(xùn)練網(wǎng)絡(luò)網(wǎng)絡(luò)訓(xùn)練過程如圖3所示，從圖中可以看到，網(wǎng)絡(luò)訓(xùn)練在20個步長之后就將誤差訓(xùn)練到小于0.01了。圖3 網(wǎng)

10、絡(luò)的訓(xùn)練過程2.2 仿真結(jié)果分析網(wǎng)絡(luò)訓(xùn)練完畢，然后通過仿真驗證，驗證之后得出的實際值、網(wǎng)絡(luò)輸出值和誤差的數(shù)據(jù)對比如圖4所示。從圖中我們可以看到，網(wǎng)絡(luò)的仿真檢測輸出和實際輸出之間的誤差很小，說明設(shè)計的BP網(wǎng)絡(luò)控制器性能穩(wěn)定，能夠滿足實際應(yīng)用的性能要求，對溶解氧濃度的控制能夠起到比較精確的控制效果。圖4 實際值、網(wǎng)絡(luò)輸出值和誤差值的對比3、控制系統(tǒng)實現(xiàn)3.1 硬件系統(tǒng)設(shè)計根據(jù)工藝要求，甘肅靖遠(yuǎn)污水處理廠采用三個控制站，針對CASS池部分的控制站使用的PLC是AB系列的Logix 5561；模擬量輸入模塊為1756-IF16，采集現(xiàn)場BOD5、COD、SS、TN、TP以及進(jìn)水流量等傳感器數(shù)據(jù)；模擬量

11、輸出模塊為1756-OF8，輸出給定鼓風(fēng)機(jī)變頻器的頻率大小。3.2 軟件系統(tǒng)設(shè)計一般的污水處理控制系統(tǒng)都是采用PLC和上位組態(tài)軟件來進(jìn)行控制的，而PLC和上位組態(tài)軟件編程方式的局限性，使得它們不能進(jìn)行神經(jīng)網(wǎng)絡(luò)控制算法的編寫機(jī)電一體化論文，只能實現(xiàn)一些簡單的控制方法；MATLAB能很容易的實現(xiàn)神經(jīng)網(wǎng)絡(luò)的算法編寫，但是不能夠進(jìn)行組態(tài)免費(fèi)論文。如何將MATLAB和PLC結(jié)合起來實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)對溶解氧濃度的控制是本系統(tǒng)的關(guān)鍵所在，這就要用到OPC協(xié)議來實現(xiàn)上位機(jī)中的MATLAB與下位機(jī)PLC之間的數(shù)據(jù)交換，才能將MATLAB中設(shè)計好的BP神經(jīng)網(wǎng)絡(luò)控制器用到系統(tǒng)中。在本系統(tǒng)中，我們將PLC采集來的BO

12、D5、COD、SS、TN、TP以及進(jìn)水流量等現(xiàn)場數(shù)據(jù)，通過OPC協(xié)議送入到MATLAB工作空間，經(jīng)過MATLAB中的BP神經(jīng)網(wǎng)絡(luò)控制器處理，得出鼓風(fēng)機(jī)變頻器需要的頻率大小，然后將結(jié)果再通過OPC協(xié)議送回到PLC，經(jīng)過模擬量輸出給到變頻器，通過調(diào)節(jié)鼓風(fēng)機(jī)頻率的大小來調(diào)節(jié)鼓風(fēng)量的大小，最終調(diào)節(jié)CASS池中溶解氧濃度的大小。PLC與MATLAB通過OPC協(xié)議進(jìn)行數(shù)據(jù)交換的部分m程序如下所示：da = opcda (localhost,RSLinx OPC Server); %建立OPC數(shù)據(jù)訪問對象模型connect(da); %連接到服務(wù)器grp = addgroup (da); %建立組對象模型i

13、tem1 = additem (grp,plctemp1); %建立數(shù)據(jù)項模型r = read (item1); %讀item1數(shù)據(jù)結(jié)構(gòu)，并把值賦給datadata = r.value;item2 = additem (grp,plctemp2);write (item2,0); %向item2中寫入數(shù)據(jù)0disconnect (da); %斷開OPC連接delet (da); %刪除OPC數(shù)據(jù)訪問對象3.3 上位組態(tài)監(jiān)控設(shè)計本控制系統(tǒng)上位組態(tài)軟件采用組態(tài)王。在組態(tài)王設(shè)計的監(jiān)控操作畫面中,可以實現(xiàn)手動/自動切換、給定值輸入、參數(shù)輸入、數(shù)據(jù)顯示、畫面切換等功能，使操作人員很容易的對控制系統(tǒng)進(jìn)行操作和管理。另外，利用組態(tài)王還可以完成監(jiān)視器顯示所需的現(xiàn)場設(shè)備監(jiān)控畫面機(jī)電一體化論文，如系統(tǒng)狀態(tài)圖、硬件報警、工藝報警、模擬量趨勢、對比趨勢、操作日志、報表輸出等，可直觀、動態(tài)地顯示出現(xiàn)場各部位重要參數(shù)的變化。圖5所示為CASS池監(jiān)控畫面：圖5CASS池組態(tài)監(jiān)控畫面4、結(jié)束語本文通過對污水處理CASS池中溶解氧濃度控制要求的深入分析，對比闡述了傳統(tǒng)控制方法的局限性以及BP神