摘要
本发明提出了城市污水处理过程多变量自适应PID控制方法,涉及人工智能领域,将多智能体深度强化学习与增量式PID控制相结合,通过多个深度强化学习智能体实现对PID控制器参数的在线调整,从而解决了PID控制器应用于污水处理过程时自适应能力差、抗干扰能力不足、难以实现多个变量的精确协同控制的问题;实验结果表明该方法不仅能快速、精准的控制溶解氧DO浓度和硝态氮NO浓度以达到精确在线协同控制的目的,还具有较好的自适应能力和解耦控制能力,能够在溶解氧DO和硝态氮NO的浓度期望值发生改变时快速的将溶解氧DO和硝态氮NO的浓度稳定在新的期望值附近。
技术关键词
城市污水处理过程
PID控制方法
PID控制器
网络模块
深度强化学习
回放模块
参数
梯度下降算法
浓度控制器
ReLU函数
控制误差
增量式PID控制
溶解氧DO浓度
深度神经网络
变量
曝气
系统为您推荐了相关专利信息
信号测试点
信号完整性分析
深度强化学习模型
评估指标体系
多模态传感器
储能电站系统
模型生成方法
深度强化学习算法
蓄电池组
仿真环境
图像重建方法
投影数据滤波
生成断层
图像重建系统
网络模块
优化控制方法
深度强化学习模型
动态数据集
机电暂态
虚拟同步机
事件分析方法
智能决策模型
生物特征数据
多模态数据融合
报告