第5期 乔俊飞，等：基于改进粒子群算法的污水处理过程神经网络优化控制 ·435· [6]熊伟清，刘明达，魏平.遗传算法的基因定位算子[J].控 4结束语 制理论与应用，2005,22(3)：491494. 文中提出一种自适应粒子群优化算法，以污水 XIONG Weiqing,LIU Mingda,WEI Ping.Gene-orientation 处理过程能耗最小为目标函数，污水处理过程物料 operator for genetic algorithm[J].Control Theory Appli- cations,2005,22(3):491494 平衡、水质排放标准等限制为约束条件，根据进水水 [7]ALIREZA A.PSO with adaptive mutation and inertia weight 质的变化动态调整BSM1中第5分区溶解氧浓度、 and its application in parameter estimation of dynamic sys- 混合液悬浮物固体浓度和第2分区硝酸氮浓度的设 tems[J].Acta Automatica Sinica,2011,37 (5):541- 定值.同时通过神经网络预测模型预测出水水质参 549. 数，从而实现污水处理过程不但出水水质达标，而且 [8]XIAO Renyue,YU Jinhai.A newly self-adaptive strategy 实现BSM1低成本运行.通过仿真实验发现，基于自 for the PSO[C]//Proceedings of the 2008 Fourth Interna- 适应粒子群算法的污水处理神经网络优化控制系统 tional Conference on Natural Computation.Washington, 具有以下优点. DC,USA:IEEE Computer Society,2008:396-400. 1)实现污水处理过程多变量控制，与单变量控 [9]张顶学，关治洪，刘新芝.一种动态改变惯性权重的自适 制相比，多变量控制方法提高了污水处理效率。 应粒子群算法[J].控制与决策，2008,23(11)：1253- 1257. 2)改进的自适应粒子群算法能够有效地抑制 ZHANG Dingxue,GUAN Zhihong,LIU Xinzhi.Adaptive 局部最优解，避免过早陷入局部最优，比遗传算法更 particle swarm optimization algorithm with dynamically chan- 简单，参数更少，求解速度更快，并且实现了污水处 ging inertia weight[J].Control and Decision,2008,23 理过程优化控制，降低了污水处理过程能耗， (11):1253-1257. 3)采用神经网络预测和控制，提高了智能控制 [10]苏守宝，曹喜滨，孔敏.群活性与粒子群优化的稳定性 系统的自适应性和鲁棒性，以及污水处理过程的稳 分析[J].控制理论与应用，2010,27(10)：1411-1417. 定性 SUN Shoubao,CAO Xibin,KONG Min.Stability analysis 综上所述，文中提出的智能优化控制系统能够 of particle swarm optimization using swarm activity[]. 满足污水处理出水达标，同时降低其运行成本，为实 Control Theory Applications,2010,27 (10):1411- 1417. 际污水处理厂提供了理论和技术支持， [11]李宁，孙德宝，邹彤，等.基于差分方程的PS0算法粒子 参考文献： 运动轨迹分析[J].计算机学报，2006,29(11)：2050 2062. [1]中华人民共和国住房和城乡建设部.关于全国城镇污水 LI Ning,SUN Debao,ZOU Tong,et al.An analysis for a 处理设施2011年第一季度建设和运行情况的通报[EB/ particle's trajectory of PSO based on difference equation 0L].(2011-0507)[2012-05-16].htp:/www.mohurd. [J].Chinese Joural of Computers,2006,29 (11): gov.cn. 2050-2062. [2]PIOTROWSKI R,BRDYS M A.Hierarchical dissolved oxy- [12]熊智挺，谭阳红，易如方，等.一种并行的自适应量子粒 gen control for activated sludge processes[J].Control Engi- 子群算法[J].计算机系统应用，2011,20(8)：47-71. neering Practice,2008,16 (1):114-131. XIONG Zhiting,TAN Yanghong,YI Rufang,et al.Meth- [3]CHANDRAMOULI V,BRION G,NEELAKANTAN T R,et od of parallel adaptive quantum particle swarm optimization al.Backfilling missing microbial concentrations in a riverine [J].Computer System and Applications,2011,20(8): database using artificial neural networks [J].Water Re- 47-71. 3 earch,2007,41(1):217-227. [13]魏建香，孙越泓，苏新宁.一种基于免疫选择的粒子群 [4]BERAUD B,STEYER J P.Towards a global multi objective 优化算法[J].南京大学学报：自然科学版，2010,46 optimization of wastewater treatment plant based on modeling (1):19. and genetic algorithms[J].Water Science Technology, WEI Jianxiang,SUN Yuehong,SU Xinning.A novel par- 2007,56(9):109-116. ticle swarm optimization based on immune selection[J]. [5]张平，苑明哲，王宏.基于国际评价基准的溶解氧控制方 Joumal of Nanjing University:Natural Sciences,2010,46 法研究[J].信息与控制，2007,36(2)：199-203. (1):19. ZHANG Ping,YUAN Mingzhe,WANG Hong.Study on [14]COPP J B.The COST simulation benchmark:description dissolved oxygen control method based on intemational eval- and simulator manual[M].Luxembourg:Office for Publi- uation benchmark[J].Information and Control,2007,36 cations of the European Community,2001 (2):199-203. [15]史雄伟，乔俊飞，苑明哲.基于改进粒子群算法的污水