文献类型：期刊文章

作　　者：韩红桂[1] 张琳琳[1] 伍小龙[1] 乔俊飞[1]

HAN Hong-Gui;ZHANG Lin-Lin;WU Xiao-Long;QIAO Jun-Fei(Faculty of Information Technology,Beijing University of Technology,Beijing Key Laboratory of Computational Intelli-gence and Intelligent System,Beijing 100124)

机构地区：[1]北京工业大学信息学部,计算智能与智能系统北京市重点实验室,北京100124

出　　处：《自动化学报》

基　　金：国家重点研发项目(2018YFC1900800-5);国家自然科学基金(61890930-5,61903010,62021003);北京市卓越青年科学家计划项目(BJJWZYJH01201910005020);北京市自然科学基金(KZ202110005009)资助。

年　　份：2021

卷　　号：47

期　　号：11

起止页码：2538-2546

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：城市污水处理过程优化控制是降低能耗的有效手段,然而,如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战.围绕上述挑战,文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven multiobjective optimal control,DK-MOC)方法.首先,建立了出水水质、能耗以及系统运行状态的表达关系,获得了运行过程优化目标模型.其次,提出了一种基于知识迁徙学习的动态多目标粒子群优化算法,实现了控制变量优化设定值的自适应求解.最后,将提出的DK-MOC应用于城市污水处理过程基准仿真模型1(Benchmark simulation model No.1,BSM1).结果表明该方法能够实时获取控制变量的优化设定值,提高了出水水质,并且有效降低了运行能耗.

关 键 词：城市污水处理过程  数据和知识驱动方法  多目标优化控制  知识迁徙学习  动态多目标粒子群优化  

分 类 号：O231] X703[数学类] TP18]