Key points are not available for this paper at this time.
Der Abwasserbehandlungsprozess (WWTP), der aus einer Klasse physikalischer, chemischer und biologischer Phänomene besteht, ist ein wichtiges Mittel zur Reduzierung der Umweltverschmutzung und zur Verbesserung der Recycling-Effizienz von Wasserressourcen. Unter Berücksichtigung der Merkmale von Komplexität, Unsicherheiten, Nichtlinearitäten und Mehrzeitverzögerungen in WWTPs wird ein adaptiver Neuroregler vorgestellt, um die zufriedenstellende Regelungsleistung für WWTPs zu erreichen. Mit den Vorteilen von Radial-Basis-Funktions-Neuronalen Netzen (RBF NNs) werden die unbekannten Dynamiken in WWTPs identifiziert. Basierend auf der mechanistischen Analyse werden die zeitvarianten verzögerten Modelle der Denitrifikations- und Belüftungsprozesse erstellt. Anhand der etablierten verzögerten Modelle wird die Lyapunov–Krasovskii-Funktional (LKF) verwendet, um die zeitveränderlichen Verzögerungen, die durch das Push-Flow- und Recycling-Flow-Phänomen verursacht werden, zu kompensieren. Die Barrier Lyapunov Funktion (BLF) wird verwendet, um sicherzustellen, dass die Konzentrationen von gelöstem Sauerstoff (DO) und Nitrat stets innerhalb der angegebenen Bereiche gehalten werden, obwohl zeitveränderliche Verzögerungen und Störungen existieren. Mithilfe des Lyapunov-Theorems wird die Stabilität des Regelkreissystems nachgewiesen. Schließlich wird die vorgeschlagene Regelungsmethode am Benchmark-Simulationsmodell 1 (BSM1) durchgeführt, um die Effektivität und Praktikabilität zu überprüfen.
Qiao et al. (Mi,) haben diese Frage untersucht.