1.一种污水处理过程软测量与多目标优化控制方法，其特征在于，步骤如下：(1)采集污水处理过程溶解氧、硝态氮、出水水质和能耗数据；

(2)建立基于正则化在线顺序极限学习机ReOSELM的污水软测量模型，并利用容积卡尔曼滤波CKF算法更新ReOSELM的隐含层输出权重，实现出水水质和能耗的高精度预测；

(3)建立多目标自适应引导差分进化MOAGDE算法，采用分段线性混沌映射PWLCM初始化和多元学习策略对MOAGDE算法进行改进，得到IMOAGDE算法，提升算法的综合性能及其所得pareto解的多样性；

(4)以水质和能耗作为优化目标，通过IMOAGDE算法迭代得到溶解氧和硝态氮的优化设定值；

(5)采用积分时间绝对误差、调节时间和超调量作为优化目标，利用IMOAGDE算法用于分数阶控制器FOPID的参数整定，找到最优的参数组合，并通过FOPID对溶解氧和硝态氮进行跟踪控制；

所述步骤(2)实现过程如下：

(21)定义数据样本为Q(x,e)、隐含层节点数N和激活函数f(x)，并随机生成输入权重和偏置υ，计算初始的隐含层输出权重φ0和隐含层输出矩阵A0；具体过程如下：其中，E0为目标矩阵；U0为集合矩阵；

(22)在输出权范数优化与训练误差之间引入正则化参数，以防止模型过拟合；公式如下：其中，ρ代表正则化参数；I为单位矩阵；

(23)利用CKF算法更新ReOSELM的隐含层输出权重；

(24)通过ReOSELM模型的在线学习能力，实现污水处理过程出水水质和能耗的在线实时预测；

所述步骤(23)实现过程如下：

(231)定义隐含层输出权重为需要估计的状态变量，ReOSELM模型的输出作为观测量；

(232)初始化CKF算法的初始状态估计和误差协方差矩阵；当(k+1)个样本到达时，计算隐含层输出权重φk+1和输出层节点输出Yk+1：其中，ak和bk分别为过程噪声协方差矩阵和观测噪声协方差矩阵；

(233)根据实际观测数据，利用CKF算法对ReOSELM模型的隐含层输出权重进行更新；在每次样本训练中，计算容积卡尔曼增益，并利用增益来更新状态估计；

所述步骤(233)实现过程如下：

计算容积卡尔曼增益Vk+1：

其中， 为互协方差，代表状态估计误差和观测误差之间的关联； 为新息协方差，用于评估观测量与状态估计之间的一致性；

更新隐含层输出权重：

φk+1＝φk+Vk+1·z′k+1       (6)其中，z′k+1为观测量与其估计值之差；φk+1表示第k+1个样本对应的隐含层输出权重估计值；

更新误差协方差矩阵估计值Pk+1：

所述步骤(3)实现过程如下：

(31)对MOAGDE算法的种群初始化部分做出改进，采用分段线性混沌映射PWLCM初始化算法的种群；通过生成具有较好均匀分布特性的随机数序列，有助于提高种群分布的均匀性和算法的全局搜索能力；具体改进如下：其中，分段控制因子η∈(0,0.5)；Xi+1∈(0,1)，Xi为产生的随机迭代值；

(32)利用多元学习策略取代算法本身的变异操作，通过种群中的最优个体指导搜索，提升种群的多样性；将种群随机分为两部分，一部分个体从当前种群中学习，其余个体从当前种群中的最优个体中学习，如下式所示：其中，h是种群中的随机个体且h≠i；Xh,j表示种群中个体h的第j个变量的值；Xbest,j表示种群中最优个体的第j个变量的值；F为变异率；e1和e2是从0到1的随机数；Mi,j表示经多元学习策略得到的个体的值；

所述步骤(4)实现过程如下：

(41)将出水水质和能耗的软测量模型作为优化目标函数，具体表达式如下：min ROCI(τ),REQI(τ)(10)

其中，ROCI(τ)和REQI(τ)分别为能耗和出水水质软测量模型的输出值；τ为溶解氧和硝态氮构成的向量；

(42)设置IMOAGDE算法的种群规模NP、变异率F、最大迭代次数Gmax和搜索空间的上下限；初始化算法的种群和执行多元学习策略，执行交叉操作，将生成的个体和目标个体进行交叉重组，生成试验个体；其过程如下：其中， 代表试验个体；G为当前迭代次数； 代表目标个体； 为交叉率，通过式(11)进行自适应调整；g1和g2为选择概率，g1+g2＝1；jrand为变量的随机维度；

(43)计算个体的适应度值，并比较目标个体与试验个体的优劣性，较优的个体被保留下来成为下一代目标个体：其中，R(·)表示适应度值； 表示下一代目标个体的值；

(44)若当前迭代次数G小于最大迭代次数Gmax，则令G＝G+1，更新pareto解集，并返回步骤(42)继续迭代，否则结束迭代，输出pareto解集；

(45)从pareto解集中选择一组较好的解作为FOPID控制器中溶解氧和硝态氮的设定值。

2.根据权利要求1所述的一种污水处理过程软测量与多目标优化控制方法，其特征在于，所述步骤(5)实现过程如下：(51)初始化IMOAGDE算法的参数，确定FOPID的参数：比例增益、积分增益、微分增益、积分阶次和微分阶次，并设置参数的上下限；

(52)采用积分时间绝对误差ITAE、调节时间T和超调量σ三个优化目标作为IMOAGDE算法的适应度函数；

(53)利用IMOAGDE算法的个体寻优与迭代方式来更新种群，并评估适应度函数，获得当前FOPID的最优参数；

(54)重复步骤(53)，逐步调整控制器的参数，直至算法达到最大迭代次数，输出使系统性能最优化的参数组合，实现对FOPID的参数整定；

(55)通过FOPID控制器调节溶解氧转换系数和内回流量实现对溶解氧浓度和硝态氮浓度的跟踪控制。

3.一种装置设备，其特征在于，包括存储器和处理器，其中：存储器，用于存储能够在处理器上运行的计算机程序；

处理器，用于在运行所述计算机程序时，执行如权利要求1至2任一项所述的污水处理过程软测量与多目标优化控制方法的步骤。

4.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如权利要求1至2任一项所述的污水处理过程软测量与多目标优化控制方法的步骤。