序批式活性污泥法污水处理系统溶解氧优化控制方法

研究序批式活性污泥法(SBR)污水处理过程溶解氧(DO)的优化控制方法,探讨不同DO曲线下出水水质、曝气时间和能源消耗等问题。溶解氧是污水处理过程的一个重要参数,DO的需求量是有规律地变化,当系统的实际溶解氧量能按一定规律变化时,污水处理将能得到一个较好的效果。采用模糊控制解决了SBR系统出水水质不能在线检测、数学建模困难、不便于实时控制等问题,通过模糊控制方法实时地改变风机的频率来满足溶解氧的要求,可实现对不同溶解氧曲线的控制。从而缩短了污水处理时间,稳定了出水质量,明显地减少了电能消耗～15%,实现了污水处理过程的实时优化控制。     

污水处理过程溶解氧浓度的自抗扰控制

溶解氧是活性污泥法处理污水的一个关键变量,它关系到污水中有机物的生物降解、微生物生长和出水水质.多数污水处理过程选择溶解氧为被控量.然而,溶解氧浓度受进水流量,进水组分、浓度波动等诸多因素影响,较难控制.本文根据曝气量变化确定溶解氧浓度设定值,以污水进水变化率为控制量,设计线性自抗扰控制实现对溶解氧浓度的跟踪,进而获得对污水出水底物浓度的间接控制.设计两组仿真实验,分别模拟进水底物浓度固定和变化时,线性自抗扰控制对溶解氧浓度和出水底物浓度的控制;同时,设计仿真实验验证线性自抗扰控制对总扰动的估计和补偿效果.仿真结果表明,线性自抗扰控制可获得良好的溶解氧浓度跟踪和出水底物浓度控制效果;在进水水质波动时,线性自抗扰控制亦具有很强的干扰补偿能力,可保证出水水质.     

特殊天气污水溶解氧浓度的自适应广义预测控制

污水处理过程具有非线性、时变、大滞后的特点,尤其在雨天暴雨等特殊天气下,污水的入水波动会对控制器造成严重干扰。文中提出一种基于模糊神经网络模型的自适应广义预测控制算法,实现对污水处理过程中溶解氧浓度的实时控制。该算法利用反馈线性化思想实现自适应广义预测控制器的设计,在证明其李雅普诺夫稳定的同时,得到修正系统的受控自回归积分滑动平均模型参数自适应规则,动态调整模型参数使系统跟踪误差达到最小。仿真实验结果表明,该算法能够稳定、快速地控制溶解氧浓度,具有较强的抗干扰能力和鲁棒性,该控制算法特别适合用于污水处理过程的特殊天气（如雨天和暴雨天）中。     

仿人智能PID控制及在污水处理溶解氧控制中的应用

常规PID控制方法设计简单,可靠性高,稳定性好,易于现场工程师操作和调节,但是常规PID对非线性、大时滞的对象和模型未知或难以精确建模的复杂对象难以实现有效控制。基于专家规则的仿人智能控制(HSIC)适合复杂对象的控制,它模拟人的控制行为,对被控对象的先验知识要求不高,但设计相对要复杂,不易操作和调节。针对二者的特点,将它们结合在一起,取长补短,形成仿人智能PID控制方法。该算法适合控制非线性、大时滞的对象和难以精确建模的复杂对象。算法在海城污水处理厂的溶解氧控制系统中得到了应用。与原来的常规PID控制系统相比,提高了系统的稳定性,减少了能耗,使该厂的用电消耗降低了10%,带来了一定的经济效益。     

溶解氧浓度的神经网络控制研究

污水生化处理过程常常受到入水流量水质变化而处于动态过程,溶解氧浓度作为系统运行过程的一个关键变量,采用经典的PI控制器难以保证良好的控制效果;针对污水处理过程的溶解氧浓度控制问题,提出了基于单神经元自适应PID算法和基于RBF神经网络两种控制器;在国际基准Benchmark Simulation Model No.1 (BSM1)的仿真平台上进行仿真实验,与经典PI控制器的运行结果对比,证明了在所提出的两种控制器作用下,溶解氧浓度具有更好的跟踪给定值能力,控制系统具有更好的综合性能指标值.     

污水处理实验系统中溶解氧模糊控制器的设计

本文在分析了污水处理的生物氧化过程中溶解氧（DO）控制的重要性及复杂性后，提出用模糊控制的方法控制污水处理中的溶解氧，并设计了溶解氧模糊控制系统，为污水处理的自动控制提供了一个新的设计方法。     

污水处理过程溶解氧浓度的有限时间抗扰控制

溶解氧浓度是影响污水处理的关键因素,有效控制溶解氧浓度,可减少曝气能耗、提高出水水质.然而,溶解氧浓度受进水流量、组分、浓度、天气等多源干扰的影响.为保证水水质,提出一种改进型有限时间扩张状态观测器,综合有限时间控制与改进型有限时间扩张状态观测器,设计一种改进型有限时间自抗扰控制,以克服污水处理中的扰动和不确定性.在污...     

基于神经网络的污水处理系统广义预测控制北大核心CSCD

污水处理过程中,由于溶解氧和硝态氮浓度是时变且长滞后的,因此难以精准控制。为解决这一问题,提出基于径向基(radial basis function, RBF)神经网络的多变量解耦比例积分-广义预测控制(proportional integral-generalized predictive control, PI-GPC)算法。首先,基于RBF神经网络分别建立溶解氧浓度和硝态氮浓度非线性模型;然后,在此模型基础上,利用GPC的预测性和传统PI控制器的反馈性,优化溶解氧和硝态氮的浓度控制;最后,利用基准仿真模型No.1(benchmark simulation model No.1, BSM1)数据,通过神经网络辨识系统模型并设计控制器。结果表明,PI-GPC算法相较于传统GPC和PI控制算法,能够获得更快速和更稳定的控制效果。     

溶解氧浓度的直接自适应动态神经网络控制方法

针对污水处理过程溶解氧浓度的控制问题,提出一种直接自适应动态神经网络控制方法(direct adaptive dynamic neural network control,DADNNC).构建的控制系统主要包括神经网络控制器和补偿控制器.神经网络控制器由自组织模糊神经网络实现系统状态与控制量之间的映射;提出一种基于规则无用率的结构修剪算法,并给出结构调整后网络收敛的理论证明.同时,为保证系统稳定,设计补偿控制器减小网络逼近误差,参数调整由Layapunov理论给出.国际基准仿真平台上的实验表明,与固定结构神经网络控制器、PID和模型预测控制等已有控制方法相比,DADNNC方法具有更高的控制精度和更强的适应能力.     

基于抗扰动-模糊PID的污水处理控制方法研究

针对序批式活性污泥法(SBR,Sequencing Batch Reactor)污水处理过程具有的非线性、时变、强耦合等特性,并考虑污水处理过程控制存在入水水质流量等干扰量,进一步加大控制难度等问题,本文提出1种扰动观测器与模糊PID结合的污水处理控制方法。首先分析扰动观测器结构特点以及核心部分低通滤波器的选择,设计扰动观测器对控制过程常见干扰量进行预测,并根据预测扰动信号在控制系统输入端进行有效补偿,达到抵消干扰的效果:同时在此基础上结合模糊PID控制方法,自适应整定PID控制器参数,实现溶解氧DO的优化控制。最后建立仿真模型进行实验,并与常规PID控制和模糊PID控制效果进行对比,结果表明该组合控制方法能有效克服干扰,控制精度较高,具有较强的适应性和鲁棒性。     

污水处理系统溶解氧的模糊自适应PID控制

曝气生物滤池的工艺复杂,参数检测困难,并具有大滞后、干扰多等特点,所以要实现该工艺的自动控制,保证生产的稳定、高效运行并非易事。本文就影响曝气生物滤池工艺处理效果的曝气过程提出了溶解氧模糊自适应PID控制算法。仿真表明,模糊自适应PID控制器的控制性能优于常规模糊控制器和PID控制器,既可保证出水水质,又能节约动力费用。     

Model predictive control of dissolved oxygen concentration based on a self-organizing RBF neural network

The dissolved oxygen (DO) concentration in activated sludge wastewater treatment processes (WWTPs) is difficult to control because of the complex nonlinear behavior involved. In this paper, a self-organizing radial basis function (RBF) neural network model predictive control (SORBF-MPC) method is proposed for controlling the DO concentration in a WWTP. The proposed SORBF can vary its structure dynamically to maintain prediction accuracy. The hidden nodes in the RBF neural network can be added or removed on-line based on node activity and mutual information (MI) to achieve the appropriate network complexity and the necessary dynamism. Moreover, the convergence of the SORBF is analyzed in both the dynamic process phase and the phase following the modification of the structure. Finally, the SORBF-MPC is applied to the Benchmark Simulation Model 1 (BSM1) WWTP to maintain the DO concentration. The results show that SORBF-MPC effectively provides process control. The performance comparison also indicates that the proposed model's predictive control strategy yields the most accurate for DO concentration, better effluent qualities, and lower average aeration energy (AE) consumption.     

基于复合抗扰的溶解氧浓度控制

污水处理中,出水水质受进水流量、组分以及浓度波动等因素影响.要保证处理效果,溶解氧浓度控制应有较强的鲁棒性.简单闭环控制的能耗及出水水质波动大.为此,本文以污水处理过程1号基准仿真模型模拟污水生化处理过程,提出基于扩张状态观测器和滑模控制的复合抗扰控制方法,以降低对模型信息的依赖,保证溶解氧浓度控制效果.数值仿真结果显示,复合抗扰控制能够以较小的能耗获得期望的调控效果.这表明,复合抗扰控制具有很好的适应性,能够满足调控要求,是一种具有较强实用性的污水处理溶解氧浓度控制方法.     

小型污水处理系统的自控装置研制

本文介绍为住宅小区的典型污水处理系统配置的一种自控装置。它由触摸屏和PLC等元件组成．取代传统的继电接触器控制装置。具有简单，方便，可靠等特点。文章在简述小型污水处理系统的基础上，论述了该自控装置的结构及工作原理。着重介绍F940WGOT触摸屏的画面制作功能，应用及设计时注意事项。     

基于OPC技术的LabVIEW与S7-300 PLC的污水处理监控系统

随着社会经济的迅速发展,污水处理成为环境保护的重要环节,迫切需要对污水处理过程进行先进控制和优化。目前,LabVIEW在工业自动化领域已经有了一些成功应用,但在污水处理系统中却少见报道。本文详细描述了基于LabVIEW的污水处理监控系统的体系结构和软件设计方案,利用SIMATIC.NET建立OPC服务器,为监控提供信息采集接口,并提出了避免通讯阻塞,减少实时数据采集延迟的优化策略。该系统应用于上海达能污水处理厂,可靠、稳定,很好的实现了对污水处理各工艺单元中控制对象的实时监控。     

基于荧光寿命法的溶解氧检测系统设计

依据荧光猝灭原理,分析了荧光寿命和水体溶解氧浓度的关系特性,研究了荧光寿命的锁相环检测技术,设计了基于ADuC841单片机和锁相环放大电路的新型荧光寿命法溶解氧检测系统.测量精度为0.01 mg/L,稳定性好,灵敏度高,响应时间小于30 s,并且不受外界杂散光和光源波动的影响,可实现水体溶解氧的原位、实时、在线监测.     

溶解氧浓度的前馈神经网络建模控制方法

针对污水处理过程溶解氧(DO)浓度控制问题,提出了一种基于前馈神经网络的建模控制方法(FNNMC).本文构造了神经网络建模控制系统,通过对建模神经网络和控制神经网络隐含层学习率的分析,证明了学习算法的收敛性以及整个系统的稳定性.最后,本文基于国际基准的Benchmark Simulation Model No.1 (BSMl)进行了仿真实验,验证了合理选取学习率的重要性,并通过与PID和模型预测控制(MPC)等已有控制方法的比较,验证了神经网络建模控制方法针对污水处理过程溶解氧浓度控制具有良好的建模能力,更高的控制精度以及更好的动态响应能力.