買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜北京工業大學申請的專利一種基于多任務約束的污水處理過程優化控制方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115857341B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211495313.X，技術領域涉及：G05B13/04；該發明授權一種基于多任務約束的污水處理過程優化控制方法是由韓紅桂;白星;侯瑩;喬俊飛設計研發完成，并于2022-11-26向國家知識產權局提交的專利申請。

本一種基于多任務約束的污水處理過程優化控制方法在說明書摘要公布了：一種基于多任務約束的污水處理過程優化控制方法，屬于污水處理領域。為了實現污水處理過程中多任務約束并行優化控制，本發明構建污水處理過程多任務約束優化模型，描述具有出水水質約束的脫氮任務和除磷任務優化目標，設計基于自適應罰函數的污水處理過程多任務粒子群優化設定方法，求解污水處理過程溶解氧、硝態氮、甲醇流量和聚合氯化鋁流量優化設定值并設計多任務控制器完成優化設定值的跟蹤控制，從而促進污水處理過程生物脫氮任務和生物除磷任務的并行約束優化。

本發明授權一種基于多任務約束的污水處理過程優化控制方法在權利要求書中公布了：1.一種基于多任務約束的污水處理過程優化控制方法，其特征在于，建立多任務約束的污水處理過程優化目標模型，研究基于自適應罰函數的污水處理過程多任務約束優化設定方法，并設計控制器實現多任務優化設定值的跟蹤控制，促進污水處理過程生物脫氮任務和生物除磷任務的并行優化，包括以下步驟：1建立多任務約束的污水處理過程優化目標模型污水處理過程的多任務約束優化目標模型通過自適應核函數來描述生物脫氮任務和生物除磷任務的優化目標；生物脫氮任務的約束優化目標模型為 其中，f1xNt是t時刻污水處理過程生物脫氮任務的約束優化目標能耗模型，xNt＝[SOt，SNOt，MFt，SNHt]是t時刻脫氮任務優化模型的輸入變量，ΩN是脫氮任務優化目標模型的決策空間，SOt是t時刻的好氧末端溶解氧濃度且取值范圍為[0.4，3]，單位毫克升，SNOt是t時刻的厭氧末端硝態氮濃度且取值范圍為[0.3，2]，單位毫克升，MFt是t時刻的甲醇流量且取值范圍為[60，400]，單位升小時，SNHt是t時刻的出水氨氮濃度且取值范圍為[0，2.5]，單位毫克升，a1t是t時刻污水處理過程脫氮任務能耗模型的輸出偏移且取值范圍為[-2，2]，W1,at是t時刻污水處理過程脫氮任務能耗模型第a個自適應核函數的權值且取值范圍為[-3，3]，c1,at＝[c1,a,1t，c1,a,2t，c1,a,3t，c1,a,4t]T是t時刻污水處理過程脫氮任務能耗模型第a個自適應核函數的中心向量，c1,a,1t是t時刻污水處理過程脫氮任務能耗模型第a個自適應核函數的第一維中心且其取值范圍為[-1，1]，c1,a,2t是t時刻污水處理過程脫氮任務能耗模型第a個自適應核函數的第二維中心且其取值范圍為[-1，1]，c1,a,3t是t時刻污水處理過程脫氮任務能耗模型第a個自適應核函數的第三維中心且其取值范圍為[-1，1]，c1,a,4t是t時刻污水處理過程脫氮任務能耗模型第a個自適應核函數的第四維中心且其取值范圍為[-1，1]，T是向量或矩陣的轉置，σ1,at是t時刻脫氮任務能耗模型第a個自適應核函數的寬度且取值范圍為[0，2]；fNxNt是t時刻污水處理過程脫氮任務的約束條件出水總氮 其中，a2t是t時刻污水處理過程脫氮任務出水總氮模型的輸出偏移且取值范圍為[-2，2]，W2,at是t時刻污水處理過程脫氮任務出水總氮模型第a個自適應核函數的權值且取值范圍為[-3，3]，c2,at＝[c2,a,1t，c2,a,2t，c2,a,3t，c2,a,4t]T是t時刻污水處理過程脫氮任務出水總氮模型第a個自適應核函數的中心向量，c2,a,1t是t時刻污水處理過程脫氮任務出水總氮模型第a個自適應核函數的第一維中心且其取值范圍為[-1，1]，c2,a,2t是t時刻污水處理過程脫氮任務出水總氮模型第a個自適應核函數的第二維中心且其取值范圍為[-1，1]，c2,a,3t是t時刻污水處理過程脫氮任務出水總氮模型第a個自適應核函數的第三維中心且其取值范圍為[-1，1]，c2,a,4t是t時刻污水處理過程脫氮任務出水總氮模型第a個自適應核函數的第四維中心且其取值范圍為[-1，1]，σ2,at是t時刻脫氮任務出水總氮模型第a個自適應核函數的寬度且取值范圍為[0，2]；污水處理過程脫氮任務約束優化模型參數更新： 其中，At＝[a1t，a2t，W1,at，W2,at，c1,a,1t，c1,a,2t，c1,a,3t，c1,a,4t，c2,a,1t，c2,a,2t，c2,a,3t，c2,a,4t，σ1,at，σ2,at]是t時刻污水處理過程脫氮任務約束優化模型的參數；α1是污水處理過程脫氮任務約束優化模型參數的學習率且取值范圍為[0，1]；e1ut＝y1t-y1ut是t時刻污水處理過程脫氮任務約束優化模型的預測誤差，y1t是t時刻污水處理過程脫氮任務約束優化模型的輸出，y1ut＝[ECNt，TNt]是t時刻污水處理過程脫氮任務的實際輸出值，ECt是t時刻污水處理過程脫氮任務的實際能耗值，TNt是t時刻污水處理過程的實際出水總氮值；生物除磷任務的約束優化目標模型為 其中，f2xPt是t時刻污水處理過程生物除磷任務的約束優化目標能耗模型，xPt＝[SOt，SNOt，MPt，MLSSt]是t時刻除磷任務優化模型的輸入變量，ΩP是除磷任務優化目標模型的決策空間，MPt是t時刻的聚合氯化鋁流量且取值范圍為[0，108]，單位升小時，MLSSt是t時刻的出水混合懸浮物濃度且取值范圍為[0，100]，單位毫克升，b1t是t時刻污水處理過程除磷任務能耗模型的輸出偏移且取值范圍為[-2，2]，W1,bt是t時刻污水處理過程除磷任務能耗模型第b個自適應核函數的權值且取值范圍為[-3，3]，c1,bt＝[c1,b,1t，c1,b,2t，c1,b,3t，c1,b,4t]T是t時刻污水處理過程除磷任務能耗模型第b個自適應核函數的中心向量，c1,b,1t是t時刻污水處理過程除磷任務能耗模型第b個自適應核函數的第一維中心且其取值范圍為[-1，1]，c1,b,2t是t時刻污水處理過程除磷任務能耗模型第b個自適應核函數的第二維中心且其取值范圍為[-1，1]，c1,b,3t是t時刻污水處理過程除磷任務能耗模型第b個自適應核函數的第三維中心且其取值范圍為[-1，1]，c1,b,4t是t時刻污水處理過程除磷任務能耗模型第b個自適應核函數的第四維中心且其取值范圍為[-1，1]，σ1,bt是t時刻除磷任務能耗模型第b個自適應核函數的寬度且取值范圍為[0，2]；fTPxPt是t時刻污水處理過程除磷任務的約束條件出水總磷 其中，b2t是t時刻污水處理過程除磷任務出水總磷模型的輸出偏移且取值范圍為[-2，2]，W2,bt是t時刻污水處理過程除磷任務出水總磷模型第b個自適應核函數的權值且取值范圍為[-3，3]，c2,bt＝[c2,b,1t，c2,b,2t，c2,b,3t，c2,b,4t]T是t時刻污水處理過程除磷任務出水總磷模型第b個自適應核函數的中心向量，c1,b,1t是t時刻污水處理過程除磷任務出水總磷模型第b個自適應核函數的第一維中心且其取值范圍為[-1，1]，c1,b,2t是t時刻污水處理過程除磷任務出水總磷模型第b個自適應核函數的第二維中心且其取值范圍為[-1，1]，c1,b,3t是t時刻污水處理過程除磷任務出水總磷模型第b個自適應核函數的第三維中心且其取值范圍為[-1，1]，c1,b,4t是t時刻污水處理過程除磷任務出水總磷模型第b個自適應核函數的第四維中心且其取值范圍為[-1，1]，σ2,bt是t時刻除磷任務出水總磷模型第b個自適應核函數的寬度且取值范圍為[0，2]；污水處理過程除磷任務約束優化模型參數更新： 其中，Bt＝[b1t，b2t，W1,bt，W2,bt，c1,b,1t，c1,b,2t，c1,b,3t，c1,b,4t，c2,b,1t，c2,b,2t，c2,b,3t，c2,b,4t，σ1,bt，σ2,bt]是t時刻污水處理過程除磷任務約束優化模型的參數；α2是污水處理過程除磷任務約束優化模型參數的學習率且取值范圍為[0，1]；e2ut＝y2t-y2ut是t時刻污水處理過程除磷任務約束優化模型的預測誤差，y2t是t時刻污水處理過程除磷任務約束優化模型的輸出，y2ut＝[ECPt，TPt]是t時刻污水處理過程除磷任務的實際輸出值，ECt是t時刻污水處理過程除磷任務的實際能耗值，TPt是t時刻污水處理過程的實際出水總磷值；2多任務約束的污水處理過程優化設定值求解設計基于自適應罰函數的約束多任務粒子群算法求解污水處理過程優化設定值，同時考慮適應度值和約束違反程度，獲取多任務優化設定值；①設置多任務粒子群優化過程每個任務的粒子群規模為100、任務數為2、總迭代次數為1000，初始化外部檔案庫Θt0為空集，隨機初始化粒子的位置、速度和技能因子，將污水處理過程多任務約束優化目標模型Fxt＝[f1xNt，f2xPt]作為多任務粒子群優化算法的優化目標，在約束條件下對Fxt進行最小化求解，進化將從第1代開始，將t時刻第1代的粒子位置信息作為輸入；②按照技能因子將粒子劃分到不同的群組中，并對粒子進行適應度排序；③計算約束違反程度為 其中，G1xN,tτ是t時刻第τ次迭代脫氮任務的約束違反程度，G2xP,tτ是t時刻第τ次迭代除磷任務的約束違反程度，設計第i個粒子的自適應罰函數為 其中，是t時刻第τ次迭代第k個任務第i個粒子的罰函數，k＝1或2，是t時刻第τ次迭代第k個任務第i個粒子的位置，i＝1，2，…，100，βtτ是t時刻第τ次迭代可行解的概率，即可行解的個數除以總體數；計算第i個粒子的適應度值為 其中，是t時刻第τ次迭代第k個任務第i個粒子的適應度值；粒子速度更新公式為： 其中，是t時刻第τ次迭代第k個任務第i個粒子的速度，是t時刻第τ次迭代第k個任務第i個粒子的個體最優位置，是t時刻第τ次迭代第k個任務的全局最優位置，是t時刻第τ次迭代第k個任務的知識遷移項，r1是個體經驗隨機向量且其元素取值范圍均為[0，1]，r2是社會經驗隨機向量且其元素取值范圍均為[0，1]，r3是知識遷移項隨機向量且其元素取值范圍均為[0，1]；粒子位置更新公式為： 其中，是在t時刻第τ+1次迭代第k個任務第i個粒子的位置；④將t時刻第τ次迭代第k個任務的個體最優位置與t時刻第τ-1次迭代第k個任務的檔案庫Θk,tτ-1中的解進行比較，Θk,tτ-1＝[Θk,1,tτ-1，Θk,2,tτ-1，…，Θk,n,tτ-1，…，Θk,100,tτ-1]，Θk,n,tτ-1是t時刻第τ-1次迭代的檔案庫中第n個最優解，n＝1，2，…，100；FΘk,n,tτ-1是Θk,n,tτ-1的適應度向量，是的適應度向量，如果則將保存到檔案庫中，生成新的第τ代檔案庫Θk,tτ；如果則第τ代檔案庫Θk,tτ與第τ-1代檔案庫Θk,tτ-1相同；⑤判斷是否停止迭代：若當前迭代次數τ≥1000，則終止迭代過程并轉到步驟⑥，否則，迭代次數τ增大1，并返回步驟②；⑥在檔案庫Θ1,t1000和Θ2,t1000中選擇前兩維相同的解作為t時刻的優化設定值，是t時刻脫氮任務優化設定值，是t時刻除磷任務優化設定值，是t時刻溶解氧優化設定值，是t時刻硝態氮優化設定值，是t時刻甲醇流量的設定值，是聚合氯化鋁流量設定值；3污水處理過程多任務優化設定值跟蹤控制設計控制器對脫氮任務優化設定值和除磷任務設定值進行跟蹤控制，調整溶解氧傳遞系數、內回流量、甲醇加藥泵閥門與聚合氯化鋁加藥泵閥門，實現污水處理過程生物脫氮和除磷的多任務約束優化控制；設計控制器對多任務優化設定值進行跟蹤控制： 其中，Δut＝[ΔQat，ΔKLat，ΔKFt，ΔKPt]T是操作變量矩陣，ΔQat是污水處理內循環流量的變化量，ΔKLat是第五分區氧傳遞系數的變化量，ΔKFt是甲醇加藥泵閥門開度變化量，ΔKPt是聚合氯化鋁加藥泵閥門開度變化量；et＝u*t-ut是t時刻的控制誤差，是t時刻的優化設定值ut＝[SNOt，SOt，MFt，MPt]T是t時刻的實際輸出值；調整溶解氧傳遞系數、內回流量、甲醇加藥泵閥門開度和聚合氯化鋁加藥泵閥門開度：KLat+1＝KLat+ΔKLat13Qat+1＝Qat+ΔQat14KFt+1＝KFt+ΔKFt15KPt+1＝KPt+ΔKPt16其中，KLat是t時刻的溶解氧傳遞系數，Qat是t時刻的內回流量，KFt是t時刻的甲醇加藥泵閥門開度，KPt是t時刻的聚合氯化鋁加藥泵閥門開度；利用變頻器調整供氧泵與回流泵的頻率，利用電子閥門的電位器調整甲醇和聚合氯化鋁的加藥泵閥門開度，則溶解氧濃度將被調整至硝態氮濃度將被調整至甲醇流量將被調整至聚合氯化鋁流量將被調整至至此，實現了污水處理過程生物脫氮和除磷的多任務約束優化控制。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京工業大學，其通訊地址為：100124 北京市朝陽區平樂園100號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。