【编者按】
为进一步培养我校研究生创新能力，提高研究生综合素质，促进学校研究生教育内涵发展，特推出“优博风采”专栏，邀请校级及以上优秀博士学位论文获得者分享科研历程与学术体会、展示创新成果与学位论文等，旨在激励我校研究生秉持“不息为体，日新为道”校训精神，潜心研究、锐意创新。
本期专访人物：控制科学与工程学科博士研究生 苏尹
所获奖励名称：2023年北京工业大学优秀博士学位论文
【吾生也有涯，而知也无涯】
博士阶段的生活和科研是我人生中最充实和有挑战性的阶段之一。首先，博士阶段的科研工作需要不断的自我探索和耐心，在面对前沿的研究领域和问题时，我学会了独立思考和寻找解决方案的能力。在面对失败和困难时，我学会了坚持不放弃，通过不断调整研究方向和方法，寻找新的思路和创新点。其次，博士阶段的生活和科研也需要平衡和自我关怀，长时间的研究工作和压力可能导致身心疲惫和焦虑，因此我学会了合理安排时间，给自己一些休息和放松的空间。总之，博士阶段的生活和科研是一个充满挑战和机遇的阶段，这段经历将成为我未来学术道路上的宝贵财富。
【博士论文介绍】
论文中文题目：基于递归小波神经网络的污水处理过程智能控制方法研究
论文英文题目：RESEARCH ON INTELLIGENT CONTROL METHOD BASED ON RECURRENT WAVELET NEURAL NETWORK FOR WASTEWATER TREATMENT PROCESS
作 者：苏尹
指导教师：乔俊飞 教授
培养单位：信息学部
学 科：控制科学与工程
论文主要贡献及创新点
污水处理过程是缓解水资源危机，减少自然水需要和削弱水环境污染的重要方式。为了实现污水处理过程的高效稳定运行，保证出水水质达标，实施污水处理过程的精准控制十分关键。然而，污水处理过程包含多个复杂物理和生化反应过程，过程跟踪控制面临许多挑战，具体表现如下：1.污水处理过程的反应机理复杂，难以建立精准的机理模型，导致关键出水水质参数如出水氨氮、生化需氧量等难以精准检测；2.污水处理过程外部环境只能被动接受，入水流量波动较大，控制变量之间存在严重的耦合，系统运行处于非平稳状态，为实现污水处理过程的精准控制带来了巨大的挑战。
针对以上问题，本文提出了基于递归小波神经网络的污水处理过程智能控制方法。首先，分析了污水处理过程生化反应机理及其特点，提取相应特征变量，构建了污水处理出水氨氮软测量模型。其次，利用出水氨氮历史数据，基于相空间重构提取数据特征并刻画氨氮时间序列动态特性，设计了污水处理过程出水氨氮预测方法。然后，针对污水处理过程动态特性，提出了单变量自组织控制方法，实现了溶解氧浓度的精准控制。最后，设计了污水处理过程多变量智能控制策略建立了污水处理过程控制系统，保证污水处理过程高效稳定运行。
【博士期间代表性科研成果】
作者攻 博期间取得与博士学位论文密切相关的代表性成果（不超过5项） |
序号 |
成果名称 |
成果来源 |
获得时间 |
1 |
Online-growing neural network control for dissolved oxygen concentration |
IEEE Transactions on Industrial Informatics(SCI, IF = 11.648) |
2022.8 |
2 |
Self-organizing pipelined recurrent wavelet neural network for time series prediction |
Expert Systems with Applications(SCI, IF = 8.665) |
2022.11 |
3 |
Effluent ammonia nitrogen prediction using a phase space reconstruction method combining pipelined recurrent wavelet neural network |
Applied Soft Computing(SCI, IF = 8.263) |
2022.2 |
4 |
A self-organizing cascade neural network for nonlinear system modeling |
2019 Chinese Control Conference (CCC) |
2019.7 |
5 |
基于递归小波神经网络的污水处理过程控制 |
自动化学报 |
2023.5 |
【与导师合影】
（图文：苏尹；编辑：胡春瀛；审核：高春娣、韩红桂）
