模糊专家控制在制浆中段废水好氧处理过程中的应用

为了降低中段废水COD、BOD值,从而实现废水达标排放的目的,建立了废水处理过程变参数有界活性污泥系统模型,采用前馈专家控制器+PID控制、反馈专家控制分段控制的方法,提出了一套曝气池溶解氧DO专家控制方案,并以S7-400PLC为软件开发平台,实现了对DO的有效控制;实际应用表明,经控制后DO值能达到稳定在2mg/L的目的,废水排放指标COD去除率达到83.4%,BOD去除率达到92.1%,废水能够达标排放,系统运行良好.     

膜生物反应器及其控制系统的应用研究

膜生物反应器是一种由膜分离单元与生物处理单元相结合的新型水处理技术,可靠高效的自动控制系统不仅能保证膜生物反应器的正常运行,还能降低其运行成本,延长膜通量和膜的使用寿命。本文以四川科学城医院膜生物反应器污水处理系统为例,讨论了膜生物反应器在处理医院废水中的应用,并介绍了适用于膜生物反应器的控制策略及控制系统。     

平板膜生物反应器工艺在中水回用技术中的应用

为响应国家推进建筑节能减排的号召,平板膜生物反应器（MBR）工艺被应用到了天保商务园的污水处理中,出水全部回收利用,整个污水处理站实现了全自动控制,并大大减少了污泥的产生量。     

氧传感器及其在汽车中的应用

对最近主要用于汽车的氧传感器的发展作了一个回顾。目前适用于汽车空燃比控制的传感器主要有三种：浓差电池型（ＺｒＯ２氧传感器）、氧化物半导体型（ＴｉＯ２传感器）、电化学泵型（极限电流型）氧传感器。另外,薄膜技术和微机械技术已经进入传感器领域,这将会促进新一代氧传感器的发展。     

分散式污水处理技术在污水处理中的应用

我国现阶段的污水管网建设以大城镇污水处理为主,农村污水管网设施配置有待齐全。由于农村与城镇的距离较远,难以对农村所产生的污水进行集中式处理,这种难以被集中收集排放并处理的污水被称为分散式生活污水。随着美丽乡村建设的推进,农村地区经济建设快速发展,生态环境水平不断提升,污水处理需求量也在变大,亟须有效的污水处理方式对农村污水进行有效处理。我国幅员辽阔,因此,对农村污水进行分散式处理时,需要结合农村实际环境,因地制宜,以最小成本提升污水处理质效。     

PLC在污水处理中的应用

本文对格栅井单元以及污水处理生化池单元的运动实现过程进行了适当阐述，介绍了PLC在污水处理中的实际应用，希望对使用PLC进行污水处理的行业内人士起到借鉴作用。     

自控在A2O法污水处理节能降耗中的应用研究

介绍了桂林市第四污水净化厂主要能耗之一曝气系统的自控现状、已采取的措施以及新改造方案设计构想。     

测温定氧仪在精炼中的应用

介绍测温定氧仪的工作原理及构成,以及常见故障处理和日常维护.     

模糊控制在除氧系统中的应用

除氧系统具有多输入、多输出、大滞后、时变性、非线性等一系列特点,除氧器的温度和压力相互影响,是一种强耦合系统,其精确数学模型难以建立。为了达到除氧目的,必须保证温度和压力的恒定,而常规的基于PID算法的控制器很难保证运行指标。提出了一种基于模糊控制理论的设计方法,采用M at-lab对设计的系统进行仿真,结果表明:模糊控制效果优于传统的PID控制。     

上流式厌氧污泥反应器在石化高浓度废水预处理中的应用

为了更加有效地处理己内酰胺高浓度废水,在原A/O处理系统前采用上流式厌氧污泥反应器先对高浓度己内酰胺废水进行预处理.工业应用结果表明:由于己内酰胺高浓度废水中含有大量的硫酸盐、磷酸盐和硝酸盐等无机酸盐,因此必须严格控制反应系统进水的pH值在5.5～6.5之间,以有效保证系统平稳运行,防止酸化;当COD控制在8000～12000mg/L时,COD的去除率可达到55%以上,达到了处理后的水质要求.     

A probabilistic principal component analysis-based approach in process monitoring and fault diagnosis with application in wastewater treatment plant

Probabilistic principal component analysis (PPCA) based approaches have been widely used in the field of process monitoring. However, the traditional PPCA approach is still limited to linear dimensionality reduction. Although the nonlinear projection model of PPCA can be obtained by Gaussian process mapping, the model still lacks robustness and is susceptible to process noise. Therefore, this paper proposes a new nonlinear process monitoring and fault diagnosis approach based on the Bayesian Gaussian latent variable model (Bay-GPLVM). Bay-GPLVM can obtain the posterior distribution rather than point estimation for latent variables, so the model is more robust. Two monitoring statistics corresponding to latent space and residual space are constructed for PM-FD purpose. Further, the cause of fault is analyzed by calculating the gradient value of the variable at the fault point. Compared with several PPCA-based monitoring approaches in theory and practical application, the Bay-GPLVM-based process monitoring approach can better deal with nonlinear processes and show high efficiency in process monitoring.