|本期目录/Table of Contents|

[1]张军胜,拜颖乾.基于FPGA的RBF神经网络污水处理系统解耦控制[J].工业仪表与自动化装置,2023,(06):102-107.[doi:DOI:10.19950/j.cnki.cn61-1121/th.2023.06.018]
　ZHANG Junsheng,BAI Yingqian.Decoupling control of wastewater treatment system based on FPGA and RBF neural network[J].Industrial Instrumentation & Automation,2023,(06):102-107.[doi:DOI:10.19950/j.cnki.cn61-1121/th.2023.06.018]
点击复制

基于FPGA的RBF神经网络污水处理系统解耦控制

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2023年06期
页码:
102-107
栏目:
出版日期:
2023-12-15

文章信息/Info

Title:
Decoupling control of wastewater treatment system based on FPGA and RBF neural network
文章编号:
1000-0682（2023）06-0102-00
作者:
张军胜; 拜颖乾
陕西铁路工程职业技术学院 城轨工程学院，陕西 渭南 714000
Author(s):
ZHANG Junsheng; BAI Yingqian
Department of Track Engineering, ShaanXi Railway Institute, Shaanxi Weinan 714000,China
关键词:
氨氮; 硝氮; RBF神经网络; BP神经网络; 解耦
Keywords:
ammonia nitrogen;  nitrate nitrogen;  RBF neural network;  BP neural network;  decoupling
分类号:
TP31
DOI:
DOI:10.19950/j.cnki.cn61-1121/th.2023.06.018
文献标志码:
A
摘要:
针对污水处理系统易受外界干扰，导致水质不断发生变化，且氨氮浓度和硝氮浓度存在强耦合等特点，提出一种基于FPGA的RBF神经网络结合PID神经元结构，构建RBF神经网络自适应辨识模型，实现对污水处理过程中氨氮浓度与硝氮浓度的辨识与自适应解耦。选用XC3S500E型FPGA芯片对硬件电路进行设计，且以PLC为控制器实现对污水处理系统解耦控制。分别对基于FPGA和基于PLC的RBF神经网络自适应解耦控制进行仿真，对基于FPGA的BP神经网络解耦控制亦进行仿真，综合对比发现，该文提出的方法对污水处理系统中的强耦合元素具有更好的解耦能力及控制品质。
Abstract:
In view of the characteristics of the sewage treatment system, which is vulnerable to external interference, leading to continuous changes in water quality, and the strong coupling between ammonia nitrogen concentration and nitrate nitrogen concentration, a RBF neural network based on FPGA combined with PID neural network structure is proposed to build an adaptive identification model of RBF neural network to realize the identification and adaptive decoupling of ammonia nitrogen concentration and nitrate nitrogen concentration in the sewage treatment process. XC3S500E type FPGA chip is selected to design the hardware circuit, and PLC is used as the controller to realize the decoupling control of the sewage treatment system. The adaptive decoupling control of RBF neural network based on FPGA and PLC is simulated respectively, and the decoupling control of BP neural network based on FPGA is also simulated. Through comprehensive comparison, it is found that the proposed method has better decoupling ability and control quality for the strong coupling elements in the sewage treatment system.

参考文献/References:

[1] 陆志国,王世雄,林梦磊.RBF网络干扰补偿的蹊跷板系统解耦滑模控制研究[J].东北大学学报(自然科学版), 2021,42(05):679-686.

[2] 张瑞成,商颖.基于神经网络逆系数的冷连轧厚度与张力解耦控制[J].机床与液压,2022,50(11):104-109.
[3] 王祥生,宁浩,王侠.基于无线网桥的平朔东露天矿排水控制系统平台[J].煤矿安全,2019,50(07):175-177.
[4] 周亚罗,杨耀博.基于阶神经网络逆系统的液压活套解耦控制[J].机床与液压,2021,49(16):136-139.
[5] 朱熀秋,顾志伟.基于模糊神经网络逆系统的五自由度无轴承永磁同步电机自抗扰控制[J].电机与控制学报,2021,25(02):72-81.
[6] 陈华鑫,尤晶晶,王林康,等.并联式六维加速度传感器中相对、绝对运动的影响关系[J].传感器与微系统,2021,40(10):32-35+39.
[7] 陈甫前.基于LSSVM方法的污水处理内模PID控制研究[D].安徽:安徽工业大学,2019.
[8] 龚瑞昆,张文庆,龚雨含,等.甲醇精馏塔温压解耦控制系统的研究[J].现代电子技术,2021,44(23):83-86.
[9] 覃岩岩,郭舒扬,方雪琴.基于RBF神经网络的电力信息网络安全态势辨识研究[J].电子设计工程,2023,31(16):143-146.
[10] 刘省标,李美,张少波,等.BP神经网络PID自适应控制悬架平顺性研究[J].机械设计与制造,2022(12):11-14.
[11] 郭媛,罗严,曾良才.GA-BP神经网络在液压缸故障诊断仿真中的应用[J].机械设计与制造,2022(11):48-52+57.
[12] 刘晓悦,魏宇册.优化神经网络的锂电池SOC估算[J].机械设计与制造,2021(11):83-86.
[13] 姬鹏飞,付娅琦,杨北方.基于单神经元PID的温室系统多变量解耦控制研究[J].中国农机化学报,2020,41(08):143-147.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2023-06-27?div>
基金项目：
陕西省教育厅服务地方专项科研计划项目（22JC026）

第一作者：
张军胜（1987—），男，陕西渭南人，硕士，工程师，主要研究领域为自动化控制技术。
更新日期/Last Update: 1900-01-01