污水处理过程的软测量技术

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 Bejing Technology and Business University( Natural Science Edition )May 2005文章编号:1671-1513( 2005 )03-0031-04污水处理过程的软测量技术王正祥，刘载文，薛福霞(北京工商大学信息工程学院,北京 100037 )摘要:污水处理过程的软测量技术是为解决污水处理出水水质(如BOD,、COD等)难以在线实时检测而提出的它为污水处理质量参数的在线预测和闭环控制创造必要的前提条件并提供可行的解决方案，从而稳定出水水质和提高污水处理的效率。介绍软测量技术的概念研究污水处理软测量建模方法,以及工程设计方法。关键词:污水处理;软测量技术;建模方法中图分类号:X502 ;TP273*. 5文献标识码:A目前污水生物处理广泛使用的是活性污泥法，水处理过程的自动监测和预报系统实现出水的优其实质是以存在于污水中的有机物作为培养基(底化排放具有重要的实际意义和应用价值。物)在有氧的条件下对各种微生物群体进行混合连续培养通过凝聚、吸附、氧化分解、沉淀等过程去1软测量的概念除有机物的一种污水处理方法。目前污水处理厂的所谓软测量技术就是利用易测过程变量与难以出水水质BOD,(生物化学需氧量) COD(化学耗氧直接测量的待测过程变量之间的数学关系通过各量)T-N(总含氮量)T-P(总含磷量)等浓度参数大种数学计算和估计方法,从而实现对待测过程变量多靠人工化验来确定尤其是BOD3需经过5天之的测量。这样建立的软测量模型可以完成一些实际后才能得到化验结果。显然化验结果大大滞后于硬件检测所不能完成的测量任务。图1中y代表主.污水的排放过程,也就是说等到知道出水水质指标导变量R代表可测的辅助变量d和u分别表示可BOD,不合格时早已排出大量不合格的处理水造测的干扰和控制变量。软测量的目的就是利用所有成二次污染。针对此情况国外少量污水处理厂采用了在线可获得的信息求取主导变量的最优" 估计值j ,即分析仪表进行测量。但目前污水处理自动控制系统构造从可测信息集R到j的映射:中所采用的一些检测专用仪器检修与维护困难、价j( S)=K( S)k( S)格昂贵并且技术尚不完善,误差较大，检测精度达不到预期效果,以致于难以提供实时质量信息作为对|一十 y质量控制的反馈信号。而反映污水水质的最重要参象R数有机污染物浓度( BOD或COD )还没有实时在线图1软测量模型传感器,因而直接影响了污水处理的效率与效果。因此将软测量技术应用于污水处理过程建立出水2污水处理软测量模型建立水质BOD,等参数的软测量模型,以实现污水处理中国煤化工成较好的基础,但在应过程的实时计算机监测和预报,在 此基础上开发污MYHCNMHG收稿日期:2005 -03 -01基金项目: 北京市优秀人才项目北京市教育委员会科技发展项目(编号KM200310011040 )作者简介:王正祥( 1973- )男,甘肃金昌人硕士研究生研究方向为智能控制和污水处理过程控制。刘载文( 1954- )男广东南海人教授主要从事智能控制与测控网络方面的研究。3北京工商大学学报(自然科学版)2005年5月用方面却缺乏系统的开发思路。目前软测量比较常ASMI ,ASM2 ,ASM3模型，但这些模型涉及的参数太用的设计方法如图2。多,许多参数目前缺乏成熟的测量技术实际应用相当麻烦同时由于建模代价大，并且模型精度差,因| 机理分析，选择辅助变量而很少应用。目前提出的比较流行的观点是:将良数据采集与预处理好的活性污泥数学模型与相应的控制理论相结合,实现智能控制。建立软测:量模型2.3.2回归分析设计校正模块回归分析是统计数学的一-个重要分支,在实验数据处理中又称为曲线拟和”。回归分析有多种在实践中实现软测量形式按因变量和自变量是否存在线性关系可分为软测量效果评价线性回归和非线性回归。线性回归的实质是对象的函数关系在工作点附近-阶泰勒展开式,如果系统图2软测量设计流程非线性比较严重则无法选用。常用的线性回归方2.1辅助变量的选择依据图2的设计思路分析城市污水处理的相关法有多变量回归(MLR)主元回归(PCR)部分最工艺条件,确定以下几个辅助变量:生化需氧量小二乘法( PLS)。由于实际工程中测量数据的相关性比较普遍,因而PIS法应用较广泛。(BOD)化学需氧量(COD)溶解氧(DO)污泥浓回归模型的回归方程是Y=XA其中X代表辅度( MLSS)浊度、pH值、氧化还原电位( ORP)、进助可测变量(x, 2心山x)=( BOD,T_ N ,T_P,水的总氮( T-N )和总磷( T-P)。由于本课题主要目MISS ,DO),Y 代表预测值y,和y)=( BODT_N,的是解决出水BOD难测问题所以结合实际条件可T_ P)回归系数矩阵A=( x'x) 'xY通过测量值计选择DO、进水BOD、MLSS、T-N或T-P作为辅助变算A从而得到预测值Y。彭向华通过66组训练样量,虽然辅助变量较多可以更好的包涵污水处理的本值的预测发现:上述回归模型的拟合效果和预测有关信息给建模精度带来好处但同时会给模型的效果均不甚理想对系统变化趋势也不能很好地反计算和网络的训练带来较多的困难,因而需要权衡映[。造成的原因大概有:系统非线性关系较强,考虑辅助变量的选择。仅仅通过简单的线性运算无法满足其要求所选取2.2 数据预处理辅助变量与主导变量相关性不强数据样本可靠性污水处理中最常用的数据预处理方法是用统计不高。回归分析忽略了污水处理中的非线性因素,假设校验剔除含有显著误差的数据后,再采用平均回归系数矩阵阶次不能很好的拟和实际过程需要滤波的方法去除随机误差。对于异常数据的剔除大量的实验试凑较难应用。采用统计判别法中的拉依达准则( 3σ准则)。同时2.3.3神经网络方法为了消除由于不同特征因子量纲不同和数量级不同污水处理神经网络软测量主要是通过选取辅助所带来的影响。对数据进行归一化处理,处理后可变量主导变量构造神经网络模型应用-些神经使得各变量的均值为0标准差为1，从而有利于软网络算法不断调整网络的权值和阈值通过训练网测量模型的训练。络从而使预测的主导变量接近实际测量值。神经2.3软测量 模型的建立方法网络训练需要大量的输入、输出数据并且训练数据2.3.1机理建模近可能的穷举系统实际的输入输出范围。训练后机理建模建立在对污水处理工艺原理深刻认识的网络可以获得其权值和阈值,从而通过编程实现的基础上通过对被测对象的分析找出不可测主导对新中国煤化工现污水处理的软测量,变量与可测辅助变量之间的数学关系利用基本的常见IYHCNMHG物理定理等知识列出平衡方程式建模。它是最精确目前常用的算法有以下几种:的模型具有先验性、预估性优点。近20年来国外1 )BP算法学者在活性污泥数学模型的建立机理应用方面研究此算法是一种多层前向网络算法,网络由工作非常活跃,比较典型的模型有IAWQ专家所开发的信号正向传播、误差反向传播两步分组成,它是建立第23卷第3期王正祥等:污水处理过程的软测量技术小的隐结点数等优点3。ORP .O十COD4 )过程神经网络DO-0-- BOD进入BOD过程神经元的输入和连接权值均可为-个时间MLss---OO一P过程并在传统神经元空间聚合运算的基础上增加了一个时间聚合算子使过程神经元的聚合运算和输入层隐层输出层激励作用能同时反映信号的空间总和效应和时间总图3污水处理 神经网络模型和效应4。过程神经元由加权聚合,激励运算三在梯度下降基础上的有导师学习算法。通过正向和步分组成。与传统神经元的不同中处在于过程神反向信号的不断反复传播修改各层神经元的权值，经元的输 入和权值是依赖与时间的函数甚至包括使得误差信号最小逼近期望输出完成学习过程。时间的多元函数。网络训练算法是在输入函数、权BP网络具有很强的非线性映射能力。但BP网络函数中引入一组适当的函数正交基将它们在给定存在训练时间长，收敛速度慢,局部最小的问题需精度下展开为该组正交基的有限项级数形式，来简要的样本多,网络模型大并且尚无一种理论来指导化过程神经元对时间聚合运算的复杂性然后应用计算隐层的最佳单元数。目前已有人改进BP网络BP算法等训练网络,在该算法下过程神经元网络算法如附加动量的BP算法、学习速率可变的BP的学习过程与传统前馈神经网络的训练过程具有相算法和弹性BP算法、共扼梯度法、拟牛顿法和lev-同的计算复杂度。应用表明，这种算法简化了过程enberg-Marquardt法。在工程中取得较好的结果。神经网络的计算,同时还可提高网络学习的稳定性文献1]利用BP算法获得的污水处理软测量模型和收敛率。较好地预测了出水BOD ,T-N ,T-P 的规律。过程神经网络是由若干个过程神经元和一般非2)RBF算法时变神经元按照一定的拓扑结构组成的人工神经元RBF网络是单隐层的前向网络,网络输出权系统。为了提高网络对非线性系统的映射能力增值、基函数的中心、隐层单元数目需学习确定。主要强网络的柔韧性和知识存贮能力,可以建立双隐层的学习算法有:Moody 与Darken 算法、局部训练算的结构,-层为过程神经元结构,-层为非时变的神法、正交优选算法、聚类与Givens最小二乘联合迭经元结构。过程神经网络的提出拓展了传统神经网代法、RBFNN算法等。它的学习算法不存在局部最络的适应范围，更好的模拟了过程的实际特性。由优问题具有全局逼近性质而且其参数调整是线性于过程神经网络提出不久并且部分理论还需论证的,训练方法快拟和误差小适合动态系统的实时因而关于过程神经网络的应用很少。目前何新贵辨识在一定程度上解决了BP网络的训练时间长,院土和许少华将其成功的用在油藏开发预测模拟过收敛速度慢局部最小的问题。RBF 网络在实际运程中45]国内外还没有在污水处理中应用过程神经用中存在网络基函数数据中心的确定、如何确定径网络的报道。但是过程神经网络给污水处理建模提向基函数、怎样提高网络的综合能力等问题。国内供了一种实时性预测的前景。刘载文等人将RBF算法应用于污水处理中通过仿3软测量的在线校正真分析，认为网络在许多方面性能优于BP网络2]。3 )随机神经网络与混合神经网络随着时间的推移测量对象的特性和工作点会随机型神经网络不完全依权值的改变,而是将发生变化,因此必须对模型在线校正。- -般分为模统计力学思想引入其中,网络的进行过程不再完全型结构在线校正和模型参数在线校正两方面工业按照确定的网络方程,同时考虑随机因素按一定的中常采用模型参数在线校正将离线分析值代入自概率分布决定状态的转移其学习算法可使网络能适应中国煤化工。神经网络软仪表的量函数收敛于全局最小点，从而得到问题的最小解。校正MHCN MH G期学习两部分,从修正浙江大学智能系统与决策研究所提出了一种由多项层次上有浅度修止和深度修正之分。式模型和多层前向神经网络构成的确定污水COD4软测量的实际应用预估值的混合神经网络具有模型泛化外推能力强,训练样本少可以根据拟合精度的要求自动确定最软测量技术在过程控制和优化控制中应用最广3北京工商大学学报(自然科学版)2005年5月的是实现推断预测控制,在污水处理中基于DO的优化控制如图40]。5结束语非线性优化器--8-+控制器污水处理过程针对污水处理工艺建立不同的软测量模型是污水处理过程控制的主要研究方向之一。软测量技术软测量模型可以解决污水处理中关键处理指标的滞后检测问题降低成本提高预测精度。同时提高我国污水处图4污水处理优化控制框软测量方法本质_上是一种传感器实现技术,可理自动化水平和质量,是我国城市建设急需解决的以适应与-切能用可测输入与不可测输出关系模型.重要问题污水处理软测量技术具有很高的理论与描述的对象,如果软仪表达到一定的精度则能够.学术研究意义,广阔的推广应用前景,可产生明显.“替代”硬仪表实现参数的测量。虽然某些污水处的经济效益。理厂已部分使用计算机进行管理与控制,但仍采用参考文献:人工操作加自动监测显示并未完成闭环控制和优化控制这一点与国外差距很大。在80年代中后期[1] 彭向华.软测量技术在污水处理中的应用研究[ D ]由国外陆续引进了多套城市污水处理自动控制设昆明:昆明理I大学硕士论文集,2002 ,10-30.备迫使人们研究和消化这些技术,以提高国内城市[2]刘载文崔莉凤祁国强,等.SBR出水BOD值的RBF软测量法J]中国给水排水2004 (5 )17-20.污水处理厂运行控制水平。但操作人员素质较低、[3]方骏戴连奎.基于混合神经网络模型的污水COD专用仪表和传感器开发落后、控制方法和技术、控制值预估法J]中国给水排水2000( I1 )b-9.软件方面研究落后等是制约计算机在污水处理厂自[4]黄凤良软测量思想与软测量技术[ J]计量学报,动控制中应用的一个主要因素。没有-个合适建模2004 (6 ) 284 - 288.与优化控制软件,使计算机控制作用极为有限。同[5] 周志华曹存根.神经网络及其应用[ M]北京清华时污水处理厂运行控制复杂运行参数的突变情况大学出版社2004. 37 -57.较多,使得系统协调十分困难这也是软件开发困难[6]易灵芝,朱建林张林亭,等.软测量的工程化设计的原因之一。[J]自动检测技术2002 21( 6 ) 26 -28.SOFT SENSING TECHNIQUE FOR SEWAGETREATMENT PROCESS .WANG Zheng-xiang，LIU Zai-wen，XUE Fu-xia( College of Information Engineering ,Beijing Technology and BusinessUniversity , Bejing 100037 , China )Abstract : The soft sensing technique for sewage treatment provides an approach to measure BOD; orCOD which are difficult to get on line , it sloves the optimum control and on-line prediction. Using it wecan closely control the sewage treatment , so improve the efficiency of sewage treatment. The article givesthe concept of soft measurement , methods of designing中国煤化工its application inwastewater treatment.YHCNMHGKey words : sewage treatment ; technique of soft sensing ; ways of soft measurement(责任编辑邓清燕)