买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利一种基于自组织模糊终端滑模控制的溶解氧有限时间控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115903519B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211693362.4，技术领域涉及：G05B13/04；该发明授权一种基于自组织模糊终端滑模控制的溶解氧有限时间控制方法是由韩红桂;冯成成;孙浩源;刘峥;乔俊飞设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于自组织模糊终端滑模控制的溶解氧有限时间控制方法在说明书摘要公布了：本发明提出了一种基于自组织模糊终端滑模控制的溶解氧有限时间控制方法，实现了溶解氧浓度的精确控制。该方法设计了基于规则密度和重要性的自组织模糊神经网络预测生化反应过程中溶解氧浓度的动态变化，建立了基于积分终端滑模面的终端滑模控制器，实现对溶解氧浓度的有限时间精准控制；通过设计自适应律和鲁棒控制项来降低不确定性和预测误差对控制性能的影响，解决溶解氧控制精度较低的问题。实验结果表明该方法能够在有限时间内实现溶解氧浓度的精准控制。

本发明授权一种基于自组织模糊终端滑模控制的溶解氧有限时间控制方法在权利要求书中公布了：1.一种溶解氧浓度自组织模糊终端滑模控制方法，其特征在于：建立基于自组织模糊神经网络的城市污水处理生化反应过程溶解氧浓度预测模型，设计基于积分终端滑模面的自组织模糊终端滑模控制器，实现对溶解氧浓度的有限时间精确控制；包括以下步骤： 1提取城市污水处理生化反应过程溶解氧浓度变化特征： 城市污水处理生化反应过程溶解氧浓度随时间变化波动较大，生化反应池第五分区溶解氧浓度控制模型为： 其中，SO,5t表示t时刻生化反应池第五分区的溶解氧浓度，SO,4t表示t时刻生化反应池第四分区的溶解氧浓度，gSO,5t表示t时刻生化反应池第五分区溶解氧浓度的变化量，KLa5t表示t时刻生化反应池第五分区的氧传递系数； 2建立城市污水处理生化反应过程溶解氧浓度预测模型： 设计自组织模糊神经网络预测模型，实现生化反应过程第五分区溶解氧浓度变化量gSO,5t的预测，自组织模糊神经网络分为四层：输入层、隶属函数层、规则层和输出层，网络结构为4-l-l-1,l为大于1的正整数且初始值为6；具体为： 输入层：输入层包括4个神经元，ht＝[h1t,h2t,h3t,h4t]T为t时刻模糊神经网络的输入向量，h1t＝SO,5t，h2t＝KLa5t，h3t＝et，et为t时刻溶解氧浓度设定值SO,5dt与实际值SO,5t的误差，h4t＝st，st是t时刻的终端滑模面，T表示向量的转置； et＝SO,5dt-SO,5t2 隶属函数层：隶属函数层有l个神经元，采用高斯函数作为隶属函数，隶属函数层的输出为： 其中，μijt表示t时刻隶属函数层第j个神经元的输出值，i＝1,2,3,4，j＝1,2,…,l，hit为输入层输入向量ht中的第i个变量，cijt表示t时刻输入层第i个神经元和隶属函数层第j个神经元的中心值，aijt表示t时刻输入层第i个神经元和隶属函数层第j个神经元的宽度值； 规则层：规则层有l个神经元，规则层每个神经元的输出为： 其中，为t时刻规则层第j个神经元的输出值； 输出层：输出层的输出为t时刻第五分区溶解氧浓度变化量的预测值 其中，wt＝[w1t,…,wlt]为t时刻模糊神经网络的输出权值向量，w1t为t时刻模糊神经网络规则层第1个神经元的输出权值，wlt为t时刻模糊神经网络规则层第l个神经元的输出权值，为t时刻模糊神经网络规则层神经元的输出向量，为t时刻模糊神经网络规则层第1个神经元的输出值，为t时刻模糊神经网络规则层第l个神经元的输出值； 规则层神经元增长阶段：计算t时刻控制系统跟踪误差阈值ket： ket＝max0.95t×0.1,0.027 其中，max是求最大值的函数； 计算t时刻输入层输入向量与隶属函数层神经元中心之间的马氏距离阈值kdt： kdt＝max0.98t,0.28 计算t时刻输入层输入向量与隶属函数层神经元中心之间的马氏距离Mjt： 其中，cjt＝[c1jt,…,c4jt]T是t时刻输入层神经元和隶属函数层第j个神经元的中心向量，c1jt是t时刻输入层第1个神经元和隶属函数层第j个神经元的中心值，c4jt是t时刻输入层第4个神经元和隶属函数层第j个神经元的中心值，a1jt表示t时刻输入层第1个神经元和隶属函数层第j个神经元的宽度值；当t时刻控制系统的跟踪误差et满足||et||ket且输入层输入向量与隶属函数层神经元中心之间的马氏距离Mjt满足Mjtkdt时，增加一个隶属函数层神经元和规则层神经元，并更新隶属函数层神经元和规则层神经元数为N1＝l+1；当t时刻控制系统的跟踪误差et不满足||et||ket或者输入层输入向量与隶属函数层神经元中心之间的马氏距离Mjt不满足Mjtkdt时，不调整自组织模糊神经网络结构，N1＝l； 规则层神经元删减阶段：计算t时刻规则层神经元的最大密度值dJt： 其中，J表示规则层中含有最大规则密度值的第J个神经元，将t+1时刻规则层第J个神经元的密度值更新为dJt+1＝dJt+0.1，经过5次迭代之后，计算出规则层神经元密度值小于0.5的规则层神经元集合D： D＝{j|djt0.5,1≤j≤l}11 其中，djt是t时刻规则层第j个神经元的密度值；然后计算D中神经元的规则重要性值： 其中，qot是t时刻规则层第o个神经元的重要性值，为t时刻规则层第o个神经元的输出值，o∈D，将D中规则重要性值最小的规则层神经元删除，并更新隶属函数层和规则层神经元数N2＝N1-1； 设计自组织模糊神经网络参数自适应律： 其中，wjt表示t时刻模糊神经网络规则层第j个神经元的输出权值，wjt+1表示t+1时刻模糊神经网络规则层第j个神经元的输出权值，cijt+1表示t+1时刻输入层第i个神经元和隶属函数层第j个神经元的中心值，aijt+1表示t+1时刻输入层第i个神经元和隶属函数层第j个神经元的宽度值； 3设计自组织模糊终端滑模控制律： ①控制作用初始时刻t＝1时，随机生成模糊神经网络参数的初始值； ②根据公式6计算第五分区溶解氧浓度变化量的预测值 ③根据公式7-12调整自组织模糊神经网络结构； ④根据公式13-15求解自组织模糊神经网络参数自适应律； ⑤计算t时刻的控制律ut： ut＝uet+ust16 其中，uet是t时刻控制律的等效分量，ust是t时刻控制律的开关分量： 其中，tanh20st是饱和函数中的双曲正切函数，是t时刻溶解氧浓度设定值的变化率； ⑥时刻t增加1，若t200，则返回步骤②，若t＝200，则结束该循环； 4利用求解出的ut在有限时间5167秒内对城市污水处理生化反应过程第五分区溶解氧浓度进行跟踪控制，ut为t时刻控制器的氧传递系数，控制系统的输出为实际的溶解氧浓度值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。