污水处理智能控制进展

第23卷第3期北京工商大学学报(自然科学版)Vol. 23 Na 32005年5月Journal of Beijing Technology and Business University( Natural Science Edition )May 2005文章编号:1671-1513( 2005 )03-0009-04污水处理智能控制进展刘太杰'，崔莉凤'，刘载文( I. 北京工商大学化学与环境工程学院,北京100037 ;2. 北京工商大学信息工程学院,北京 100037 )摘要:综述了国内外污水处理自动化技术的发展现状着重介绍了模糊控制、人工神经网络控制、遗传算法以及专家控制在污水处理过程中的应用。结合国内外研究动态对污水生物处理智能控制的发展方向作了简要分析。关键词:污水处理;智能控制;模糊控制;人工神经网络控制;遗传算法中图分类号:X505 ;TI8文献标识码:A污水处理过程具有多变量、非线性、时变性与随trolers)将出水中氨硝酸盐的浓度以及进水中氨机性的特点其控制过程十分复杂采用传统的控制的负荷作为控制器输入参数与固定硝化/反硝化区方法难以实现污水处理的实时控制。智能控制可以和恒定DO浓度的运作相比通过模糊逻辑控制方解决用传统方法难以解决的复杂系统的控制问题。法所需曝气量可以减少24%同时进水峰流( peak近年来污水处理智能控制的研究与应用取得了令flow )导致的出水NH2-N峰值浓度显著降低。近年人瞩目的成果。智能控制的主要分支包括模糊控来研究工作已转向发展高级控制方法上如基于模制、神经网络、遗传算法、专家系统等。型的预控制和模糊控制。现在已经开发出许多在线模糊控制器，从而将1模糊控制模糊控制推向在线控制。高景峰等2]在总结了模糊控制能将操作者或专家的控制经验和知识SBR法去除有机物、脱氮除磷过程中DO、ORP和表示成语言变量描述的控制规则然后用这些规则pH值变化规律的基础上建立了以上述参数为控制去控制系统。模糊控制特别适用于数学模型未知变量的在线模糊控制器用于SBR法中有机物的去的、复杂的非线性系统的控制。模糊控制方法几乎除和脱氮工艺。模糊控制与其它工业控制技术相结合可实现智可以应用于各种水处理过程。模糊控制在活性污泥能化的自动控制提高其实用性。吴建辉针对化法节能方面效果也十分明显,已应用到污水处理的工废水处理中对pH值进行精密控制难以取得理想多个领域控制的工艺参数也多种多样。模糊控制的主要控制参数有DO、pH、ORP(氧效果的情况,尝试用智能算子(包括数学算法与直化还原电位)污泥回流比、COD、BOD、NHz-N等。觉逻辑推理)来仿效或近似模拟人的控制行为，设污水生物除氮工艺上,传统的控制系统着眼于通过计出智能控制器。其应用表明,该系统具有较强的改变硝化/反硝化区的体积比、DO和回流比来改变.鲁棒性(robustness)和自适应性现场运行表现出优良的控制性能。陆杰[41提出利用模糊控制和模糊出水中氨V硝酸盐的浓度。U.Meyer和H.J.popelf1]控制MYH中国煤化工方法通过控制转刷电将模糊控制器设计成了高端控制器(highlevelcon-机实CNMHG动控制增大污水处理收稿日期:2004-11-16基金项目:北京市教育委员会科技发展项目( KM20010011040 )作者简介:刘太杰( 1978- )男河北保定人硕士研究生主要从事污水处理优化控制方面的研究。崔莉凤( 1956- )女河北唐山人副教授主要从事环境系统分析方面的研究。1北京工商大学学报(自然科学版)2005年5月的负荷能使硝化、反硝化作用随负荷而变化取得2.2神经网络软测量了良好的控制效果。由于某些水质参数的传统测量方法周期较长,当前模糊控制方法逐渐与其他控制方法尤其是而现存的生物传感器不但造价高、仪器寿命短,而且神经网络、专家系统相结合形成-种新的混合人工测量范围窄、稳定性差,不能满足实时控制的需要。智i能控制方法并在水处理中得到越来越多的应用。可以利用现有的价廉、稳定的在线传感器测量当前易测量的参数通过神经网络模型预测那些难以实2神经网络 控制时测量的参数这就是神经网络软测量技术。当前，ANN(人工神经网络)是通过模拟人脑的神经污水处理软测量技术的研究十分活跃。现在,神经网络结构和行为用大量简单的处理单元广泛连接网络软测量技术可以在线检测多项水质指标,如所组成的复杂网络。它最大优点是可以充分逼近任COD、BOD以及氮、磷浓度等。苏敏等8]针对污水意复杂的非线性关系有较强的学习能力和容错性,处理质量指标无法在线检测的问题,利用实际工业同时能够处理定量、定性数据能够利用连接的结构污水处理的数据对BP神经网络进行训练和仿真，与其他控制方法及人工智能相结合。ANN 的预测结果表明,它能准确地进行污水处理质量的实时估能力在很大程度上依赖于驯化数据的状况。这是因计实现污水处理质量的实时控制。DongJinChoi为ANN存在着某些缺点不适合表达基于规则的知等9提出了-种混合神经网络作为软传感器来推识不能很好地利用已有的经验知识网络训练时间测污水水质参数利用PCA(主元分析)的统计方法长有可能导致陷入非要求的局部极值。如果数据中筛除测量数据中的干扰和不确定信息利用测试程有干扰和不确定性则过界问题常会出现。改进神序避免过届问题显示了较强的预测能力。从文献报导来看目前利用ANN建立的水质预经网络以及与其它智能控制技术结合可以在一定程测模型可预测多种水质参数预测精度多优于基于度.上弥补这些不足。常用于污水处理中的神经网络机理的水质预测模型。郭劲松等0]建立了间歇曝有BP(误差反向传播)神经网络、RBF(径向基函气活性污泥系统的神经网络水质模型,以现场历史数)神经网络、自适应神经网络等。数据为学习样本建成BP网络模型,出水水质指标2.1神经网络仿真 控制预测平均误差小于7. 5%。Catherine 等川将BP网神经网络可对各种污水处理系统进行模拟尤络应用于活性炭滤布对有机物的吸附研究中。以吸其是可对复杂的非线性系统进行模拟,因此可对污附剂性能参数操作条件等7项指标作为输入量吸水处理过程实施优化设计和实时控制。吴凡松附质出水与进水浓度比作为输出,建立了活性炭去等]以污水处理厂实际运行资料为样本利用RBF除特定有机物的3层BP模型。模型经优化,压缩网络对活性污泥系统建模,并对该模型进行了仿真了隐含层节点数。其对出水水质的预测能力大大优应用。应用结果表明仿真程序简单速度快,与预于传统的质量转移模型。通过Carson法分析网络测值吻合较好同样适用于污水处理厂的实时控制连接权确定了上述7项控制参数对输出影响大小系统。白桦李圭白1针对混凝投药系统的滞后和的相对值。该研究表明对系统机理的深入认识和非线性的特点基于ANN的内模控制选取多个参对参数的合理选择有利于发挥ANN的潜力。由于数作为输入变量建立了双向网络模型结果比采用BP神经网络存在某些缺陷近年来发展了一些改进传统控制方法有更明显的优势。方法如结合主元分析、多向线性回归以及遗传算法通过对污水处理系统的仿真神经网络可以预等。测水处理过程中的多种干扰和故障,如预测污泥膨2.3基 于神经网络软测量"的预控制技术胀等。L. Belanche"l在G. Andrea所建的基于系统来新MYH中国煤化工的预控制技术是近年辨识技术的活性污泥系统模型的基础上引入源于CNMH G术。曾光明等12]建立实际观察和主观经验的一些定性信息,预测结果显了基于ANN的最优控制模型能够根据废水处理系示定性信息对污水处理厂污泥膨胀现象影响很大,统中进水水质的变化对出水水质进行预测将预测模型对污泥膨胀的预测同污水处理厂专家的评价判结果输入非线性优化器后能在线调整控制变量,从断吻合很好。而使整个系统达到实时的最优控制效果。L.Luc-第23卷第3期刘太杰等:污水处理智能控制进展carini等13]研究使用ORP和pH信号来设计一种活家系统智能控制技术来实现污水处理的自动控制,性污泥法去除氮和磷的实时控制系统,神经网络模提出了工业活性污泥法的在线综合控制、好氧消化拟软件通过在线传感器用于SBR反应器中,可识别过程专家系统控制、厌氧污水处理智能分布控制等出SBR不同相中氮和磷的浓度并以此浓度判断生方法。朱珍工军等10]针对油田低渗透油层的开发物营养物去除过程是否完成,该方法在预测化学物过程中注水水质要求,利用专家控制器实现了对污质变化趋势时有效,但在预测精确浓度时还不够完水实行双向过滤处理的控制系统方案整个控制系善。虽然近20年来很多学者都开始研究将神经网统具有很强的适应性需确定的参数较少推理规则络技术应用于污水处理过程,但通过对已有研究成简单各控制指标达到了要求。I. R. RODAI7]提出果的分析可以看出多数研究仍停留在实验室阶段。了基于个例的专家推理系统( case-based reasoning ) ,通过改变经验中的个例并生成新的个例来调试系统3遗传算法并学习处理过程中产生的新信息将工程数学计算遗传算法是-种基于自然选择和基因遗传学原和-系列特定的用于逻辑分析和推理的智能监控系理的优化搜索方法具有全局寻优的能力从广泛分统相结合并应用于西班牙Girona的水处理厂。郑布于设计选项中的潜在方案中进化计算并进行优上闽、孙进生18]针对单品种大批量连续生产工艺过化筛选。遗传算法比其他任何一种试探方法更易于程研究了基于规则的产生式系统中知识库的构建在分布计算体系中实现,并且可能节约大量的搜索和维护的方法提出了故障诊断专家系统中的知识时间。近年来在环境工程方面遗传算法应用于地表达以及根据历史在线数据进行推理的诊断方法,下水监测的最佳布置、地下水污染物的抽提、地表并实现了实时性要求不高的在线、离线的智能故障水流预测、管网优化和污水处理系统实时控制等多诊断。施汉昌王玉环19]开发了一个用于诊断城市污水处理厂日常运行故障的专家系统,采用了正反个方面。蒋茹曾光明等14)将改进遗传算法应用在某城向混合推理机制并通过故障树的形式将知识库中市污水处理厂优化设计中结果表明不仅解的搜索的知识组织形式向用户公开,便于用户使用和对系效率有明显的提高而且目标函数值在原有的基础统的维护现已用于北京某污水处理厂中。上改进了20% ,但是所求得的解只是- -定条件下的6结束语最优区间解。T. A. Doby和D. H. LoughlinfI'5]针对典型的生物除氮的污水处理厂,使 用遗传算法通过生综上所述国内外已经将智能控制技术应用于成费用和出水中总氮的折衷曲线( trade off curve )对污水生物处理的各个层面。智能控制技术，从根本多目标体系进行优化。结果表明遗传算法用于活上说是从表观对水处理过程的模拟,所以仍应加强性污泥系统设计时解决方案的效果和搜索过程的鲁对污水生物处理数学模型研究尤其是对微观机理数棒性优于经典的非线性规划,计算上也是可行的。学模型的研究寻求智能控制和机理模型的最佳结遗传算法非常灵活并且很容易用于动态污水处理模合方式利用机理模型对智能控制模型加以指导提型,比如ASM系列模型。遗传算法早期存在过早收高对数据的处理能力和模型的精度。各种水处理智敛的缺点因此在不断的改进尤其是与神经网络和能控制系统都在朝着控制品质更好、智能化程度更模糊控制相结合在一定程度 上克服了上述缺点。高的方向发展。基于水处理软测量”技术的预控制系统将大有可为。4专家系统专家系统是-种智能化的计算机程序系统,能参考中国煤化工够利用人类专家的知识和解决问题的方法来处理某MHCNMHG[1 ]! meyer U ,ropei山. ruszy control for nitrogen removal领域的问题是智能控制的一个重要分支。专家系and energy saving in wwt-plants with predenitrification统在水处理的自动控制和预测控制工艺流程选择[J] Wat Sci & Tech ,2003 47( 11 )69 -76.以及故障诊断等多方面得到应用。[2]高景峰彭永臻王淑莹.以DO、0RP、pH控制SBR法20世纪90年代国外就有学者开始研究采用专的脱氮过程J ].中国给水排水2001 J74 )6-1I.12北京工商大学学报(自然科学版)2005年5月[3]吴建辉章兢侯庆平.仿人智能模糊控制在污水处理[12] 曾光明秦肖生.神经网络智能控制系统应用于废水中的应用[ J ]电脑与信息技术2000 ,( 2 ):8- 10.处理[ J ]中国给水排水2002 ,18( 8 ):17- 19.[4]陆杰.模糊控制在污水处理系统中的应用[ J]盐湖研[13 ] Luccatini L , Porra E , Spagni A. Soft sensors for control究2000 &2)29 -32.of nitrogen and phosphorus removal from wastewaters by[5]吴凡松彭永臻王维斌. RBF网络用于活性污泥系统neural network[ J]. Wat Sic & Tech , 2002 ,45( 4 -仿真研究J].中国给水排水2003 ,19( 9 )48 -49.5 ):101 - 107.[6]白桦李圭白.混凝投药的神经网络控制方法[ J]中[14] 蒋茹曾光明.改进的遗传算法在城市污水处理厂区国给水排水200127I1)83-86.间数优化设计模型中的应用[ J ]安全与环境学报,[ 7] Belanche L. Predction of the bulking phenomenon in2004 A( 3 ):45 - 48.wastewater treatment plant:[ J ] Artificial Intelligence in[15] Doby T A , Loughlin D H. Optimization of activatedEngineering 2000( 14 ):307 -317.sludge designs using genetic algorithms[ J] Wat Sci &[8]苏敏工万良李探微.基于神经网络的污水处理软测Tech ,2002 ,45( 6 ) :187 - 198.量系统的研究J]自动化仪表2001 ,22( 10)8-9.[16]朱珍,工军.基于智能控制器的污水处理控制系统[9] Choi DJ , Park H. A hybrid artificial neural network as a[J]自动化仪表,2003 ,24( 8)43 -45.software sensor for optimal control of a wastewater treat-[17] RodaI R. Development of a case - based sysytem forment proces[ J] Wat Res 2001 35( 16) 3959 - 3967.the supervision of an activated sludge proces{[ J] Envi-[10]郭劲松.间歇曝气活性污泥系统神经网络水质模型ron Tee ,2001 22 477 - 486.[J]中国给水排水,2000 16( I1 ):I5- 18.[18]郑上闽孙进生.污水处理工艺系统的故障诊断专家. [ 11 ] Faur-Brasquet C , Le Cloirec P. Neural network model-系统J]河北理工学院学报2001 23(2 ):2 -47.ing of organics remnoval by activated carbon cloh[J] J [ 19]施汉昌王玉环污水处理厂故障诊断专家系统J ]Envir Eng 2001 I0( 1 ) 889 - 894.给水排水,2001 ,27( 8) 88 - 90.DEVELOPMENT OF INTELLIGENT CONTROL OFWASTEWATER TREATMENTLIU Tai-je' ，CUI Li-feng' ，LIU Zai-wen2( I. College of Chemical and Environmental Engineering , Bejing Technology and Business University ,Beijing 100037 , China ;2. College of Information Engineering , Beijing Technology andBusiness University , Beiing 100037 , China )Abstract : Current applications of automatic control technology are reviewed. Introductions on fuzzy con-trol , artificial neural network , genetic algorithms , and expert control systems are highlighted. Problemsexist in waste water treatment automatic control systems are analyzed. The future trends of developing in-telligent control systems in wastewater treatment are discussed.Key words : wastewater treatment ; intelligent control ; fuzzy control ; neural network ; genetic algorithm(责任编辑叶红波)中国煤化工MHCNMHG