针对城市再生水厂流程长、数据量大，单点终端算力有限，数据互通程度低的特点，团队提出基于边缘计算和区块链技术的工业互联网架构，将传感器、通信节点、控制器等智能设备组成通信网络体系，实现高效、便捷的数据交互。城市再生水厂容易受到进水流量、天气变化以及内部反应速率的干扰，污染物组分存在强不确定性，因此具有多干扰、非平稳、强耦合等特点，实现多变量协同控制很困难。针对该问题，团队提出了数据驱动的递归小波神经网络控制器。通过设计在线增长机制调整控制器结构，满足再生水厂不同工况。设计了基于自适应学习率的参数在线学习算法，调整控制器参数满足多变量协同控制的要求。在暴雨天气下，溶解氧浓度和硝态氮浓度的控制结果分，两者控制精度基本维持在同一水平，因此所提出的控制器能够实现城市再生水厂多个控制变量的协同控制。

基于工业互联网的再生水厂多变量协同控制架构

 溶解氧控制结果                       硝态氮控制结果

代表性成果：

[1] Qiao Junfei, Su Yin, Yang Cuili, “Online-growing neural network control for dissolved oxygen concentration”, IEEE Transactions on Industrial Informatics, 2022.