神经网络在污水处理中的应用

2005年3月韶关学院学报(自然科学版)Mar.2005第26卷第3期Joumal of Shaoguan University( Natural Science )Vol.26 No.3神经网络在污水处理中的应用肖胜中12 ,张新政? ,吴奇峰3(1.广东农工商学院数学系,广东广州;2.广东工业大学自动化学院,广东广州510080;3.韶关学院数学系,广东韶关512005 )摘要神经网络技术的迅速发展及其理论的不断完善为其在各个领域的应用奠定了基础.污水处理系统是复杂的非线性系统用神经网络技术控制污水处理过程是可行和必要的在我国更具有现实意义.分析了神经网络在污水处理自动控制中所起的不同作用并在此基础上指出了今后的研究方向.关键词神经网络;污水处理;自动控制; 神经控制中图分类号:TP183文献标识码A文章编号:1007 - 5348( 2005 )03 - 0018 -04污水生物处理系统是高度复杂的非线性系统.目前污水处理厂的设计和运行还主要是在试验的基础上根据经验进行,因此存在很大误差.同时为了获得满意的处理效果(有时却事与愿违),设计参数的选取比较保守这样就不可避免地增大了工程投资和运行费用.国际水协会( IWA )自1985 年以来先后推出许多数学模型这对污水生物处理的模拟和控制起到了极大的推动作用,并在各地实现了成功应用.但是其中的大部分参数值随着污水水质和所选处理工艺的不同而发生着变化并且其确定非常复杂,因此还没有一个统一的标准.自动控制方面,由于采用ASMS模拟控制所需的某些主要输入参数(如COD)至今还不能实现在线实时检测,也就不能用ASMS实现有效地实时控制.因此用小波神经网络来解决那些用传统方法难以解决的复杂系统的控制问题成为必然作为连接主义的神经控制它特别适用于具有不确定性和高度非线性的多变量污水处理系统的控制.由于神经网络及神经控制神经网络有许多优点:河以充分逼近任意复杂的非线性关系给复杂系统的建模带来了一种新的、非传统的表达工具,有很强的鲁棒性和容错性;采用并行分布处理方法使得快速进行大量运算成为可能;固有的学习能力降低了不确定性增加了适应环境变化的泛化能力;能够同时处理定量、定性数据使其能够利用连接主义的结构与传统控制方法及符号主义的人工智能相结合2].缺点是不适:合表达基于规则的知识不能很好地利用已有的经验知识;网络训练时间长导致有可能陷入非要求的局部极值.基于神经网络的控制即为神经控制在控制系统中采用神经网络这-工具对难以精确描述的复杂非线性对象进行建模或充当控制器或优化计算或进行推理,或故障诊断等,以及同时兼有上述某些功能的适当组合将这样的系统称为基于神经网络的控制系统称这种控制方式为神经控制.据此,可将神经网络在控制中的作用分为:在基于精确模型的各种控制结构中充当对象的模型;在反馈控制系统中直接充当控制器在传统控制系统中起优化计算的作用在与其它智能控制广计印代4篙清机埠蝴控制、专家控制及遗传算法等相融合中为其提供非参数化对象模型、优化参数、中国煤化工HHCNMHG1神经网络在污水处 理中的应用认识到神经网络的强大功能尤其是其充分逼近任意复杂的非线性函数的能力(即非线性映射能力),收稿日期2004-11-01基金项目国家身然科学基金资助项目( 60274030)广东省科技攻关项目( C31801 ).作者简介:消胜年节965 - )男湖南新邵人广东农工商学院数学系副教授博士研究生主要从事小波分析、神经网络方面的研究.第3期肖胜中,等神经网络在污水处理中的应用加之在对污水处理系统进行数学模拟中遇到了困难近年来在开发新的更精确、实用的活性污泥数学模型的同时很多学者开始致力于用神经网络模拟和控制污水处理过程的研究并取得了一些成果.例如Hany Gerges 等对污水处理过程进行模拟提出了基于神经网络模拟污水处理厂的新方法并利用污水厂的历史数据开发了几个神经网络模型,用模型模拟水厂运行和预测出水水质模型还用于确定在不超出预定”出水质量标准的前提下污水厂所能承受的最犬额外”负荷.结论是神经网络模型预测优于典型统计模型预测.张文艺等建立了基于BP神经网络的模型对污水处理厂的运行进行模拟,以确定其最佳运行状态.结果表明神经网络完全可用于活性污泥法建模模型的建立使得活性污泥法工艺系统的在线智能控制成为可能.S.J.Wileox等在模拟预测基础上实现控制提出将神经网络模拟用于通过在线重碳酸盐碱度传感器监测和控制厌氧消化过程.其源于由进水浓度增加导致的系列干扰的模拟结果显示装置对BA变化非常敏感,而神经网络能很快识别这种干扰这种方法可用于对低pH缓冲能力污水消化过程的在线控制.为了对某些特定参数、现象进行预测,Zhu研发了-种基于时间延迟神经网络模型的在线污水水质预测系统.先采用多层感知器网络模型对所建立的时间延迟神经网络的输入节点进行筛选然后得到一-个输入为10的模型.网络经训练后对污水水质的预测精度优于标准MLP模型.J.H.Tay等开发出一个快速预测神经模糊模型以此来预测高流速厌氧系统对干扰的反应.该系统可对不同的系统干扰提前一个小时进行预测.AndreaG等在对活性污泥系统输入输出进行分析的基础上将系统辨识技术应用于对活性污泥膨胀现象的模拟.人工神经网络模型用于预测污泥膨胀在未来的发生是可行的与其它传统预测模型相比精确度要高.BelancheL在AndreaG建立的模型基础上引入定性信息.这些定性信息主要来源于显微镜对细菌和微型动物的观察和一- 些主观经验并利用该模型对污水处理厂污泥膨胀现象进行预测试验结果显示,定性信息对污水处理厂污泥膨胀现象影响很大模型对污泥膨胀的预测同污水处理厂专家的评价判断吻合很好.Glenda M Pigram研究了4种不同的方法用于神经网络预测水质参数的能力及其对不同水质参数的预测精度.结果表明,内插法和移动均值法的预测能力最强对pH的预测精度最高对氨氮和总磷浓度的预测精度最低.A.Karama等针对厌氧消化过程提出了-种混合模型,该模型基于物料平衡方程其中生物生长速率通过神经网络表述.为了保证训练数据装置外混合模型的生物意义(浓度为正、有界生长速率的饱和抑制),提出一种对神经网络加以规范的方法并将这种方法应用于固定床生物反应器的试验数据.MartinCote等研究了活性污泥过程的动态模拟用神经网络改善预测.开发了一个程序以提高现有活性污泥过程机械模型的精度.神经网络模型成功地用于经优化的机理模型存在的错误预测.M. Bongards认为污水处理厂运行中的一个主要问题是从污泥脱水和压缩中排出水的净化并为其控制设计一个联合控制器控制器由提前-小时预测出水值的神中国煤化工水的模糊控制器联合组成.这种设计构造了一个能自适应于被控系统的高度非线MYHCNMHG控制器的使用使得模糊控制器的优化相对简单和容易.WenChien-Hsien开发了一种曝气池神经网络模型.这种模型同专家系统互取各自所需要的数据二者结合对整个污水处理厂实行智能控制.具体方法是:专家系统从各种传感器和检测器获得信号后检查系统的状态?弃推测出-个污泥回流比然后将该值送与神经网络;神经网络把从专家系统获得的当前状态值与韶关学院学报(自然科学版)2005年通过网络预测得到的值进行比较分析该值是应该增加还是减少或是维持不变;专家系统根据当前的BOD和MLSS值以及神经网络预测的曝气池状态判断是否采用这个污泥回流比.如果专家系统想增加曝气池内.的BOD浓度,它在向神经网络模型传输数据时就在当前BOD浓度.上加上一个微小增量作为目标值神经网络模型以此值预测-个污泥回流比并把它反馈给专家系统.苏敏等针对城市污水生物处理系统的复杂性、不确定性和难以建立精确数学模型的特点提出了一种用BP神经网络来完成规则推理的模糊控制器.Michael等提出了-种不能即时获得的污水处理过程参数(如进水BOD,COD)的近似计算方法.该方法是基于易直接测量的辅助参数,计算结果可用于过程控制.通过神经网络完成信息处理建立过程参数和辅助参数直接的非线性静态或动态相关关系.神经网络的训练采用污水处理厂在线分析仪记录的数据.Dong-Jin等对软传感技术进行了研究推荐了一种混合神经网络作为软传感器来推测污水水质参数.混合神经网络技术显示了强大的预测能力并可用于从干扰数据中提取有用信息以及描述复杂污水处理过程的非线性.2进一步的研究方向虽然近20年来很多学者都开始研究将神经网络应用于污水处理过程尤其在国外这已成为研究热点之-,但通过对已有研究成果的分析可以看出大多数研究仍停留在实验室阶段.建立的多数神经网络模型属静态模型不完全适合污水处理的在线控制..要用神经网络或与其它技术结合实现对污水处理过程完全的和高品质的控制还有很长的路要走.联系已有的研究成果结合对污水处理过程特点和神经网络技术的认识我们对未来的研究提出以下观点:(1)将神经网络用于污水处理过程最终和最直接的目的是实现对污水处理过程的高性能控制.基于各种智能控制方法都有其优势和不足若能将两种和两种以上智能控制方法适当地结合起来吸取各自的长处则可组成比单独-种控制系统性能更好的综合(集成智能控制系统4].针对不同污水处理工艺建立不同综合(集成智能控制系统是主要研究方向之一这种综台(集成)智能控制系统可能是神经控制与另外一种或几种智能控制技术的结合或者是神经控制与传统控制技术的结合,如模糊神经控制系统、模糊神经网络自学习控制系统、神经模糊推理系统、基于遗传算法的神经控制系统、神经网络专家智能协调控制及神经PID控制等.(2)神经网络固然功能强大但并不是所有的过程参数都适合用神经控制.因此仍然应加强对污水生物处理的活性污泥数学模型研究建立规范适用的模型参数测量方法体系通过理论和应用研究确定不同污水处理工艺中的不同过程控制参数分别适用的控制方法并最终确定智能控制和模型控制的结合方式.(3)污水处理过程象其它工业过程--样会由于不确定因素和外界的干扰而出现故障,且污水处理过程中的不确定因素比一般工业过程更多,出现故障的可能性更大.因此如何在故障出现之前做到准确预测分析以避免或减少故障给正常生产带来的不便和经济损耗是污水处理厂面临的重要课题.根据已积累的污水厂运行管理的经验利用神经网络和专家系统等智能方法建立通用性预测与故障分析系统是解决这--问题的出路.中国煤化工(4)-直以来困扰污水处理厂自动控制的一个重要因素MYHCNMHG质.污水处理过程的重要参数是污水进出水水质参数而反应污水水质的最重要参数一有 机污染物浓度( BOD或COD )至今还没有实时在线传感器因此用神经网络将这些难以实时检测的参数与污水处理的-些易检测过程参数联系起来建立其可靠的相关关系，从而间接实现对污水水质参数在线实时检测的目的，这就是所谓的软测量”技术.值得涇戇的是这些参数之间的相关关系会随不同污水种类、不同污水处理工艺及工艺运行而有所区第3期肖胜中,等神经网络在污水处理中的应用21别.(5)虽然已经积累了相当丰富的污水处理理论与实践知识人们对污水处理过程的认识还不够深刻.应积极开展利用分子生物学技术和生化分析技术对活性污泥混合液中的活性生物量进行测量的研究在此基础上研制出可用于实际污水处理过程的优质可靠的生物传感器.3结语神经控制特别适用于具有不确定性和高度非线性的多变量污水处理系统的控制.针对不同污水处理工艺建立不同综合(集成)智能控制系统是今后污水自动控制的主要研究方向之一.此外加强对污水生物处理的活性污泥数学模型研究并确定智能控制和模型控制的结合方式、根据已积累的污水厂运行管理经验利用神经网络和专家系统等智能方法建立通用性预测与故障分析系统、用神经网络实现软测量”、研制可用于实际污水处理过程的优质可靠的生物传感器等都是有待于进一步研究的内容.参考文献:[ 1 ]Wang Zhimin. Special Issue on Fuzry Logie and Neural networ[ J]. IEEE Transaction on neural networks ,1992 3( 5)58 - 84.[2王耀南.智能控制系统M].长沙湖南大学出版社,1995.[3李士勇.模糊控制、神经控制和智能控制论第二版I M ].哈尔滨哈尔滨工业大学出版社,1998.[ 4刘增良.模糊技术与神经网络技术选编M ].北京北京航空航天大学出版社2001.Application of Neural Network in Wastewater Treatment SystemXIAO Sheng: zhong' 2 ZHANG Xin zheng2 ,WU Qi-feng'( 1. Department of Mathematics , Guangdong Agriculture Industry Business College ,Guangzhou 510507 , Guangdong , China ; .2. Automatic Faculty College , Guangdong University of Technology , Guangzhou 510080 , Guangdong , China ;3. Department of Mathmatics , Shaoguan University , Shaoguan 512005 , Guangdong , China )Abstract : The development and perfection of WNN have made foundation for various fields including wastewater treat-ment and complicated nonlinear system. ,It is important to control wastewater treatment system process by means of WNNtechnology , In this paper , the different roles of WNN in automation of wastewater treatment plant were discussed , andthe further investigated problems were given.Key words : neural network iwastewater treatment ; automatic control ; neurocontrol(责任编辑王桂珍)中国煤化工MHCNMHG