买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利一种城市污水处理过程多随机采样间隔模型预测控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119536393B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411611791.1，技术领域涉及：G05D21/02；该发明授权一种城市污水处理过程多随机采样间隔模型预测控制方法是由孙浩源;穆浩然;韩红桂;付世佳;乔俊飞设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种城市污水处理过程多随机采样间隔模型预测控制方法在说明书摘要公布了：本发明提出了一种城市污水处理过程多随机采样间隔模型预测控制方法，实现了具有多随机采样间隔特性的溶解氧浓度和硝态氮浓度的稳定控制。考虑被控系统的多随机采样间隔特性，建立了具有不同预测步长的模糊神经网络模型，设计了预测数据插值算法以减轻使用多模型预测计算复杂度，设计了自适应标称预测节点更新机制以保证插值预测精度，从而计算出下一可能采样时刻溶解氧浓度和硝态氮浓度的预测输出值，构建了基于预测输出的目标函数，通过最小化目标函数计算出模型预测控制律，攻克了由于多随机采样间隔特性所带来的城市污水处理过程溶解氧浓度和硝态氮浓度的稳定控制难题。实验结果表明该方法能够保证溶解氧浓度和硝态氮浓度的控制精度。

本发明授权一种城市污水处理过程多随机采样间隔模型预测控制方法在权利要求书中公布了：1.一种城市污水处理过程多随机采样间隔模型预测控制方法，其特征在于，包括以下步骤： 1建立多个模糊神经网络预测模型 溶解氧DO浓度和硝态氮NOx-N浓度第k次的采样间隔为Δtk＝tk+1-tk，其中tk表示第k次采样时刻，tk+1表示第k+1次采样时刻，Δtk可能的取值集合为{6,12,15,21,30}分钟，其概率分别是p1，p2，p3，p4和p5；根据系统的五种随机采样间隔构建五个模糊神经网络预测模型，分别记作模型l，其中l＝1，2，3，4，5；每个模型l的预测步长hl对应于各自的采样间隔，即h1＝6，h2＝12，h3＝15，h4＝21和h5＝30，单位为分钟；每个模型的结构均包括4个输入层神经元，6个隶属函数层神经元，6个归一化层神经元，以及2个输出层神经元；模型l的输出计算如下： 其中fl·是模型l所表示的系统输入输出关系的映射函数，模型l在时刻的预测输出T是公式的转置，为模型l预测时刻的DO浓度值，为模型l预测时刻的NOx-N浓度值，是tk时刻模型l的输入，为模型l第q个归一化层神经元和输出层神经元在tk时刻的连接权值，其元素初始化为[0,1]范围内随机值，为tk时刻模型l第q个隶属函数层神经元中心向量，其元素初始化为[0,1]范围内随机值， 为tk时刻模型l第q个隶属函数层神经元宽度向量，也初始化为[0,1]范围内随机值； 2对多个预测模型的参数进行在线修正 ①令l＝1； ②计算Δtk-1＝tk-tk-1，tk-1表示DO浓度和NOx-N浓度第k-1次采样时刻，判断Δtk-1＝hl分钟是否成立； ③若不成立，则令l增加1，返回步骤②执行； ④若成立，则根据模型l在tk时刻的系统预测输出与tk时刻系统实际输出ytk之间的误差进行参数校正，其中误差向量表示为其中为模型l在tk时刻预测DO浓度的误差，为模型l在tk时刻预测NOx-N浓度的误差，校正公式如下： 其中I表示单位矩阵，tk-1时刻模型l的参数向量 包含三类参数：模型l在tk-1时刻第q个归一化层神经元和输出层神经元的连接权值模型l在tk-1时刻第q个隶属函数层神经元的中心向量 模型l在tk-1时刻第q个隶属函数层神经元的宽度向量 计算公式为： 结束循环； 3求解模型预测控制律 ①利用五个预测模型预测第1预测步tk+1中所有可能采样时刻系统DO浓度值和NOx-N浓度值，可能采样时刻有5种：l1＝1,2,3,4,5，表示以tk时刻为基准进行第1预测步可能到达的采样时刻，其中hl1表示1步预测可能的五种采样间隔，其取值集合为{6,12,15,21,30}分钟；模型l的输入统一为：为tk时刻系统的DO浓度，为tk时刻的NOx-N浓度，为tk时刻的曝气量，为tk时刻的内回流量，模型l的输出为对应时刻DO浓度和NOx-N浓度的预测值 为时刻DO浓度预测值，为时刻NOx-N浓度预测值； ②设计预测数据插值算法和自适应标称预测节点更新机制，得到设定预测域为3内，进行多步预测所有可能的DO浓度和NOx-N浓度的预测值，具体为： 对于第p预测步tk+p，p＝2,3，可能采样时刻的组合形式有5p种： li可以在集合{1,2,3,4,5}取值，i＝1,…,p，表示第p预测步可能到达的采样时刻，其中hli,i＝1,…,p表示第i预测步可能的五种采样间隔，其取值集合均为{6,12,15,21,30}分钟；对应采样时刻的预测输出记为为采样时刻的DO浓度预测值，为采样时刻的NOx-N浓度预测值； 为了便于后续计算标称预测节点，采用如下递归多步预测方法： 其中是第p预测步模型l的输入向量，tk时刻的控制向量utk＝[u1tk,u2tk]T，u1tk表示tk时刻的曝气量，u2tk表示tk时刻的内回流量，时刻的预测输出 表示预测时刻的DO浓度值，表示预测时刻的NOx-N浓度值，是第p预测步使用预测模型l逼近的函数，表示和之间的映射关系；具体地，若p＝2，令模型输入 为时刻的DO浓度预测值，为时刻NOx-N浓度预测值，根据公式1可以获得在时刻的预测输出 为预测时刻的DO浓度值，为预测时刻的NOx-N浓度值；若p＝3，令模型输入 根据公式1可以获得在时刻的预测输出 为预测时刻的DO浓度值，为预测时刻的NOx-N浓度值； 设计自适应标称预测节点更新机制为：根据预测步的变化，计算标称预测节点的数目如下 其中是向上取整函数，sp是第p预测步标称预测节点的数目，p＝2,3；同时，计算标称预测节点a＝1,…,sp的横坐标ta如下 ta＝σDlBa,a＝1,...,sp6 Dl＝max{lp-l1}8其中σDlBa表示集合Ba中满足条件Dl的元素，p＝2,3，表示第p预测步可能到达的采样时刻之一，max{·}表示最大值函数，根据公式4计算是第p预测步ta时刻的DO浓度预测值，是第p预测步ta时刻的NOx-N浓度预测值； 利用标称预测节点构建拉格朗日插值多项式如下 根据公式9计算预测域为3内进行多步预测所有可能的DO浓度和NOx-N浓度的预测值表示预测时刻DO浓度值，表示预测时刻NOx-N浓度值，p＝2,3； ③计算预测输出的数学期望： 其中为第m预测步tk+m中DO浓度预测值的数学期望，为第m预测步tk+m中NOx-N浓度预测值的数学期望，m＝1,2,3；p1＝0.63，p2＝0.049，p3＝0.27，p4＝0.042，p5＝0.009分别为采样间隔为h1，h2，h3，h4，h5的概率；时刻预测输出 表示预测时刻的DO浓度值，表示预测时刻的NOx-N浓度值，l1＝1,2,3,4,5；时刻预测输出表示预测时刻的DO浓度值，表示预测时刻的NOx-N浓度值，li＝1,2,3,4,5,i＝1,…,p； ④设计目标函数： 其中rtk＝[rtk+1T,rtk+2T,rtk+3T]T，rtk+μ＝[r1tk+μ,r2tk+μ]T，r1tk+μ＝2毫克升，表示tk+μ时刻DO浓度的参考值，r2tk+μ＝1毫克升，表示tk+μ时刻NOx-N浓度的参考值，μ＝1,2,3；Δutk＝[Δu1tk,Δu2tk]T，Δu1tk为tk时刻曝气调整量，Δu2tk为tk时刻内回流调整量，其中： Δutk＝utk+1-utk12 |Δutk|≤Δumax13utk为tk时刻的控制向量，表示为utk＝[u1tk,u2tk]T，utk+1＝[u1tk+1,u2tk+1]T为tk+1时刻的控制向量，u1tk+1为tk+1时刻的曝气量，u2tk+1为tk+1时刻的内回流量，Δumax＝[ΔKLa5max,ΔQamax]T为控制器允许最大调整量向量，ΔKLa5max＝100升分钟，表示控制器允许的最大曝气调整量，ΔQamax＝50000升分钟，表示控制器允许的最大内回流调整量； ⑤最小化成本函数Jtk计算模型预测控制器的输出 调整tk时刻的曝气量和内回流量： utk+1＝utk+Δutk154实现DO浓度和NOx-N浓度稳定控制 采用计算得到的控制向量utk+1对DO浓度与NOx-N浓度进行精确调控，其中utk+1＝[u1tk+1,u2tk+1]T包括变频器输入u1tk+1和传感器输入u2tk+1通过变频器调节电动机转速，控制鼓风机调整曝气量；同时，传感器通过调节仪表开度控制阀门调整内回流；系统的输出为DO浓度和NOx-N浓度的实际值ytk+1＝[y1tk+1,y2tk+1]T，其中y1tk+1表示DO浓度的实际值，y2tk+1表示NOx-N浓度的实际值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。