本发明涉及污水处理，特别是涉及一种污水处理过程溶解氧跟踪控制方法。
背景技术：
1、污水处理作为水资源回收再利用的重要措施被逐渐重视。污水处理流程不同，不同控制策略在出水水质指标方面难以评价。为了评估不同控制方案的控制效果，国际水质协会和欧盟科学技术合作组织(cost)合力开发了污水处理基准仿真模型benchmarksimulation model 1，简称bsm1(如图2所示)，该模型主要包括生化反应池和二沉池两大部分，其中生化反应池包括五个分区：一个厌氧区、一个缺氧区和三个好氧区。厌氧区和缺氧区中主要发生反硝化过程，好氧区中完成硝化反应，其中溶解氧浓度在硝化反应中起着重要作用。在污水处理控制过程中，溶解氧(do)浓度直接影响着好氧池中微生物的生长与活性，是污水处理系统稳定运行的关键过程变量。目前，污水处理厂大多数通过pid控制和前馈控制的方法对污水处理过程中溶解氧浓度进行控制。然而，污水处理系统中不同单元之间的反应过程复杂，具有不确定性、强非线性、动态特性等特点，传统的控制方法难以实现对溶解氧浓度的精准控制。
2、本发明主要研究第五分区的溶解氧浓度以及其相关控制变量。其中第五分区的溶解氧浓度用s5,o表示，第五分区的氧气转换系数用kla5表示。利用bsm1模型开展污水处理控制实验，分别将s5,o设定为固定值2mg/l和动态值对控制器性能进行验证。
技术实现思路
1、为了克服现有技术的不足，本发明的目的是提供一种污水处理过程溶解氧跟踪控制方法，本发明解决了现有技术中难以实现对溶解氧浓度精准控制的问题。
2、为实现上述目的，本发明提供了如下方案：
3、一种污水处理过程溶解氧跟踪控制方法，包括：
4、获取待测污水处理过程数据；
5、将所述待测污水处理过程数据输入到构建好的在线顺序深度回声状态网络控制器中，得到污水处理过程中的溶解氧浓度数据；
6、所述在线顺序深度回声状态网络控制器的构建方法为：
7、确定初始回声状态网络结构，所述初始回声状态网络结构的输入为溶解氧浓度误差和溶解氧浓度误差变化量，输出为氧传递系数的变化量；
8、根据奇异值分解方法，构建初始回声状态网络结构的储备池权重矩阵；
9、确定增长条件和停止条件，并根据所述增长条件和停止条件确定回声状态网络增长数量；
10、根据所述回声状态网络增长数量，构建待更新回声状态网络；
11、根据自适应梯度的方法对待更新回声状态网络的输出权重进行更新，得到待验证的在线顺序深度回声状态网络控制器；
12、根据李雅普诺夫泛函定理对所述待验证的在线顺序深度回声状态网络控制器进行稳定性验证，得到构建好的在线顺序深度回声状态网络控制器。
13、优选地，确定初始回声状态网络结构为2-n-1，其中，n表示储备池神经元个数并且n∈[10,20]，初始回声状态网络结构含有2个输入节点，1个储备池，储备池中的神经元个数范围为[10,20]，1个输出节点。
14、优选地，所述根据奇异值分解方法，构建初始回声状态网络结构的储备池权重矩阵，包括：
15、获取一组奇异值{σ1,σ2,…,σn}，构建一个对角矩阵σ＝diag(σ1,σ2,…,σn)，其中0＜σi＜1(i＝1,2,3…n)；
16、获取第一正交矩阵和第二正交矩阵
17、基于权重矩阵公式，根据所述对角矩阵、第一正交矩阵和第二正交矩阵构建储备池权重矩阵。
18、优选地，权重矩阵公式为：
19、w1＝uσv；
20、其中，u为正交矩阵，v为第二正交矩阵
21、其中，u＝(uij)n×n，v＝(vij)n×n，uij和vij∈(-1,1)(i,j＝1,2,3…,n)。
22、优选地，所述增长条件为：
23、
24、其中，tj＝tj-1+t0,ε1为增长的预设阈值，增长的预设阈值范围取为(0.001,0.006)。
25、优选地，所述停止条件为：
26、itae(tj)-itae(tj-1)＞0
27、
28、其中，ε2为模块停止增长的预设阈值，停止增长的预设阈值范围取(0.0002,0.0008)
29、优选地，所述根据自适应梯度的方法对待更新回声状态网络的输出权重进行更新，得到待验证的在线顺序深度回声状态网络控制器，包括：
30、确定待更新回声状态网络的成本函数；
31、基于更新公式，根据自适应梯度的方法和成本函数对所述待更新回声状态网络的输出权重进行更新，得到在线顺序深度回声状态网络控制器。
32、优选地，所述成本函数为：
33、
34、其中，e(t)为溶解氧浓度误差e(t)为成本函数。
35、优选地，所述更新公式为：
36、
37、η为自适应学习率，wout(t)为输出权重矩阵。
38、优选地，所述自适应学习率的计算公式为：
39、其中，
40、ω为自调节参数，调节范围为(0,1/n)。
41、根据本发明提供的具体实施例，本发明公开了以下技术效果：
42、本发明提供了一种污水处理过程溶解氧跟踪控制方法，包括：获取待测污水处理过程数据；将所述待测污水处理过程数据输入到构建好的在线顺序深度回声状态网络控制器中，得到污水处理过程中的溶解氧浓度数据；所述在线顺序深度回声状态网络控制器的构建方法为：确定初始回声状态网络结构，所述初始回声状态网络结构的输入为溶解氧浓度误差和溶解氧浓度误差变化量，输出为氧传递系数的变化量；根据奇异值分解方法，构建初始回声状态网络结构的储备池权重矩阵；确定增长条件和停止条件，并根据所述增长条件和停止条件确定回声状态网络增长数量；根据所述回声状态网络增长数量，构建待更新回声状态网络；根据自适应梯度的方法对待更新回声状态网络的输出权重进行更新，得到待验证的在线顺序深度回声状态网络控制器；根据李雅普诺夫泛函定理对所述待验证的在线顺序深度回声状态网络控制器进行稳定性验证，得到构建好的在线顺序深度回声状态网络控制器。本发明通过构建一种基于在线顺序深度回声状态网络控制器，实现了对污水处理过程溶解氧浓度进行精确控制。
1.一种污水处理过程溶解氧跟踪控制方法，其特征在于，包括：
2.根据权利要求1所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，确定初始回声状态网络结构为2-n-1，其中，n表示储备池神经元个数并且n∈[10,20]，初始回声状态网络结构含有2个输入节点，1个储备池，和1个输出节点。
3.根据权利要求1所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，所述根据奇异值分解方法，构建初始回声状态网络结构的储备池权重矩阵，包括：
4.根据权利要求3所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，权重矩阵公式为：
5.根据权利要求1所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，所述增长条件为：
6.根据权利要求5所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，所述停止条件为：
7.根据权利要求5所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，所述根据自适应梯度的方法对待更新回声状态网络的输出权重进行更新，得到待验证的在线顺序深度回声状态网络控制器，包括：
8.根据权利要求7所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，所述成本函数为：
9.根据权利要求8所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，所述更新公式为：
10.根据权利要求9所述的一种污水处理过程溶解氧跟踪控制方法，其特征在于，所述自适应学习率的计算公式为：
