與常規(guī)活性污泥法相比，高純氧活性污泥法(High
Purity Oxygen Activated Sludge，HPO—AS)對(duì)控制的要求更加嚴(yán)格。由于過(guò)程滯后和噪聲干擾，此系統(tǒng)兩種常規(guī)反饋控制在控制過(guò)程中經(jīng)常出現(xiàn)問(wèn)題。為此Yin等人[15]研究了四種模糊邏輯控制系統(tǒng)，結(jié)果表明在正常條件下，模糊控制比常規(guī)的反饋控制更加節(jié)約能源、減少DO波動(dòng)、穩(wěn)定進(jìn)水流量和出氣流速。
Manesis等人[16]對(duì)一個(gè)前置反硝化污水處理廠進(jìn)行了模糊控制系統(tǒng)研究。他們以反應(yīng)器中氨氮、硝態(tài)氮、DO、溫度、MLSS和二沉池進(jìn)出水BOD的差值作為模糊控制系統(tǒng)的輸入變量，以曝氣區(qū)供氧速率、好氧區(qū)向缺氧區(qū)的回流速率以及二沉池向反應(yīng)器的污泥回流速率作為輸出變量，以處理廠操作人員的經(jīng)驗(yàn)建立模糊控制規(guī)則，并在希臘Patras污水處理廠進(jìn)行了仿真，取得了較好的結(jié)果。
與國(guó)外相比，國(guó)內(nèi)從事污水處理模糊控制的研究人員較少。彭永臻等[17、18]對(duì)硝態(tài)氮污染水脫氮處理的新方法——生物電極法采用模糊控制，也取得了較好的控制效果。這種在線模糊控制器具有構(gòu)造簡(jiǎn)單、可行性好、可靠性高、穩(wěn)定性好和對(duì)進(jìn)水硝態(tài)氮負(fù)荷變化的適應(yīng)性強(qiáng)等優(yōu)點(diǎn)，有利于避免過(guò)量地投加有機(jī)物并盡可能節(jié)省運(yùn)行費(fèi)用。彭永臻、曾薇等[19]采用SBR法處理石油化工廢水，根據(jù)反應(yīng)器內(nèi)有機(jī)物的去除與DO濃度的相關(guān)性，提出以DO作為SBR法的模糊控制參數(shù)。通過(guò)大量試驗(yàn)，認(rèn)為可根據(jù)初始階段DO濃度及變化情況預(yù)測(cè)進(jìn)水有機(jī)物濃度，進(jìn)而實(shí)現(xiàn)對(duì)曝氣量的模糊控制。
2.2
神經(jīng)網(wǎng)絡(luò)控制
基于人工神經(jīng)網(wǎng)絡(luò)的控制(ANN—based
Control)簡(jiǎn)稱神經(jīng)控制(Neural
Control)。神經(jīng)網(wǎng)絡(luò)是由大量人工神經(jīng)元廣泛聯(lián)結(jié)而成的網(wǎng)絡(luò)，它具有很強(qiáng)的自適應(yīng)性和學(xué)習(xí)能力、非線性映射能力和容錯(cuò)能力。神經(jīng)網(wǎng)絡(luò)因具備上述特點(diǎn)，近年來(lái)越來(lái)越受到國(guó)內(nèi)外污水處理專家的重視，并在污水處理自動(dòng)控制系統(tǒng)中開(kāi)展人工神經(jīng)網(wǎng)絡(luò)控制研究，取得了許多具有推廣應(yīng)用價(jià)值的成果。
Zhu等[20]研究開(kāi)發(fā)了一種基于時(shí)間延遲神經(jīng)網(wǎng)絡(luò)模型的在線廢水水質(zhì)預(yù)測(cè)系統(tǒng)。他們首先提出采用多層感知器(MLP)網(wǎng)絡(luò)模型對(duì)所建立的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)(TDNN)的輸入節(jié)點(diǎn)進(jìn)行篩選，最后得到一個(gè)10輸入TDNN模型，網(wǎng)絡(luò)經(jīng)過(guò)訓(xùn)練以后，其對(duì)廢水處理預(yù)測(cè)精度均優(yōu)于標(biāo)準(zhǔn)MLP模型。Gontarski等應(yīng)用BP算法人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)一個(gè)工業(yè)廢水處理廠的出水水質(zhì)，試驗(yàn)中共使用了7個(gè)神經(jīng)網(wǎng)絡(luò)，每一個(gè)反應(yīng)器用一個(gè)神經(jīng)網(wǎng)絡(luò)，最后一個(gè)神經(jīng)網(wǎng)絡(luò)用來(lái)預(yù)測(cè)出水TOC的變化。試驗(yàn)結(jié)果表明，廢水的流量和進(jìn)水pH值是廢水處理廠重要的控制參數(shù)。
在活性污泥法污水處理廠中，污泥膨脹是引起運(yùn)行不正常的一個(gè)嚴(yán)重問(wèn)題，它直接影響污水處理廠的處理效率，因此許多學(xué)者從活性污泥法的運(yùn)行機(jī)理上對(duì)污泥膨脹現(xiàn)象進(jìn)行了廣泛的研究，但至今尚未獲得克服污泥膨脹的經(jīng)濟(jì)而有效的方法。近年來(lái)，國(guó)外一些學(xué)者采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立模型來(lái)預(yù)測(cè)和防止污泥膨脹現(xiàn)象的發(fā)生[21、22]。Capodaglio
等[21]在分析活性污泥系統(tǒng)輸入和輸出的基礎(chǔ)上，應(yīng)用污水處理廠的數(shù)據(jù)建立了人工神經(jīng)網(wǎng)絡(luò)模型，隨后用這種模型預(yù)測(cè)未來(lái)污泥膨脹的發(fā)生。為使所構(gòu)建的模型能更好地反映活性污泥法的實(shí)際狀況，他們?yōu)檩斎雲(yún)?shù)選擇了一個(gè)時(shí)間滯后輸入方案。從模型預(yù)測(cè)結(jié)果可以看出，這種模型的預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)超過(guò)其他傳統(tǒng)預(yù)測(cè)方法。Belanche等[22]在Capodaglio建立的模型基礎(chǔ)上引入定性信息，這些定性信息主要來(lái)源于顯微鏡對(duì)細(xì)菌和微型動(dòng)物的觀察和一些主觀經(jīng)驗(yàn)，并利用該模型對(duì)廢水處理廠污泥膨脹現(xiàn)象進(jìn)行預(yù)測(cè)。試驗(yàn)結(jié)果顯示，定性信息對(duì)處理廠污泥膨脹現(xiàn)象影響很大，模型對(duì)污泥膨脹的預(yù)測(cè)同污水處理廠專家的評(píng)價(jià)判斷吻合得很好。
Tay等人[23]在一個(gè)神經(jīng)模糊模型的基礎(chǔ)上，為污水厭氧處理系統(tǒng)開(kāi)發(fā)出一個(gè)快速預(yù)測(cè)神經(jīng)模糊模型來(lái)預(yù)測(cè)高速率厭氧系統(tǒng)對(duì)干擾的響應(yīng)，此系統(tǒng)可以提前1h對(duì)不同系統(tǒng)的干擾進(jìn)行預(yù)測(cè)。因此，該系統(tǒng)在實(shí)時(shí)控制上有很大的應(yīng)用潛力。
Wen等人[24]研究了一種曝氣池神經(jīng)網(wǎng)絡(luò)模型。該曝氣池神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)由一個(gè)專家系統(tǒng)來(lái)提供，專家系統(tǒng)又從神經(jīng)網(wǎng)絡(luò)模型獲取其所要的數(shù)據(jù)，從而對(duì)整個(gè)污水處理廠實(shí)施智能控制。專家系統(tǒng)從各種傳感器和檢測(cè)器獲得信號(hào)后檢查系統(tǒng)的狀態(tài)，推斷出一個(gè)污泥回流比。然后，專家系統(tǒng)把這個(gè)值送給神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)把從專家系統(tǒng)獲得的當(dāng)前狀態(tài)值與通過(guò)網(wǎng)絡(luò)預(yù)測(cè)得到的值進(jìn)行比較，分析該值是增加還是減小或者是維持不變。專家系統(tǒng)根據(jù)當(dāng)前BOD和MLSS的值以及神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的曝氣池狀態(tài)判斷是否采用這個(gè)污泥回流比。如果預(yù)測(cè)狀態(tài)不是所期望的，那么專家系統(tǒng)將再給出一個(gè)污泥回流比，重新進(jìn)行一次測(cè)試，直到找到合理的污泥回流比。若專家系統(tǒng)想增加曝氣池內(nèi)的BOD濃度，它在向神經(jīng)網(wǎng)絡(luò)模型傳輸這組數(shù)據(jù)時(shí)，可以在當(dāng)前BOD濃度上加一個(gè)小小的增量(例如0.05)作為目標(biāo)值，神經(jīng)網(wǎng)絡(luò)模型就以此值預(yù)測(cè)一個(gè)污泥回流比，并把它反饋給專家系統(tǒng)。
2.3
專家控制
專家控制(Expert
Control)是智能控制的一個(gè)重要分支，又稱專家智能控制。所謂專家控制，是把專家系統(tǒng)的理論和技術(shù)同控制理論、方法與技術(shù)相結(jié)合，在未知環(huán)境下仿效專家的智能，實(shí)現(xiàn)對(duì)系統(tǒng)的控制。20世紀(jì)90年代國(guó)外就有學(xué)者開(kāi)始研究采用專家系統(tǒng)智能控制技術(shù)來(lái)實(shí)現(xiàn)污水處理的自動(dòng)控制，并取得了有效成果[25～27]。
Barnett[25]建立了一個(gè)基于規(guī)則的專家系統(tǒng)，用于污泥厭氧消化的故障診斷。整個(gè)過(guò)程由計(jì)算機(jī)進(jìn)行模擬，過(guò)程變量包括消化池的輸入輸出及表征池內(nèi)狀態(tài)的9個(gè)參數(shù)，控制變量是進(jìn)泥量、回流污泥量、稀釋水量和調(diào)節(jié)pH值的酸堿投量。另外，研究者為專家系統(tǒng)界定5類消化工藝運(yùn)行不正常狀態(tài)，每類狀態(tài)又細(xì)分為注意、警告、危急和恢復(fù)正常等幾類亞狀態(tài)。這些狀態(tài)和亞狀態(tài)再與相關(guān)的控制措施相對(duì)應(yīng)，即不正常狀態(tài)的類型和程度決定了該采取什么樣的控制手段，以便使消化恢復(fù)正常。Flores
等[26]設(shè)計(jì)了一個(gè)智能化系統(tǒng)來(lái)運(yùn)行和管理多級(jí)厭氧系統(tǒng)，這個(gè)厭氧系統(tǒng)由各自的控制器控制，而這些控制器又通過(guò)寬帶網(wǎng)與遠(yuǎn)處的中央管理器相聯(lián)。中央管理器采集、分析、解釋和存儲(chǔ)由各生物反應(yīng)器控制系統(tǒng)傳來(lái)的數(shù)據(jù)，并采用圖形界面的形式使操作者能清楚地看到這些信息。
Sung等[27]采用在線綜合控制系統(tǒng)對(duì)水質(zhì)、水量變化較大的食品廢水進(jìn)行控制�？刂颇繕�(biāo)是使出水COD濃度較地方標(biāo)準(zhǔn)低50%，并且盡量減少曝氣費(fèi)用。此控制系統(tǒng)由兩層組成，即管理層和過(guò)程控制層。在管理層中應(yīng)用基于規(guī)則的專家系統(tǒng)為過(guò)程控制層提供最優(yōu)控制點(diǎn)。此外，為避免鼓風(fēng)機(jī)超負(fù)荷運(yùn)行，還設(shè)計(jì)了基于規(guī)則的負(fù)荷分配系統(tǒng)。此控制系統(tǒng)已經(jīng)成功地運(yùn)行了2年，與不實(shí)行控制之前相比，出水COD濃度降低大約50%，節(jié)能約50%。
通過(guò)以上分析可知，智能控制技術(shù)在污水處理中應(yīng)用較晚(只是近20年才逐漸得到應(yīng)用)，而且大多數(shù)仍停留在實(shí)驗(yàn)室研究階段，很多地方還很不完善。以神經(jīng)網(wǎng)絡(luò)控制為例，目前研究較多的模型屬于靜態(tài)模型，在一定程度上不太適合污水處理在線控制，因?yàn)榛钚晕勰喾ㄎ鬯幚黼S時(shí)間變化較大而且具有較大滯后性。因此，建議從事污水處理智能控制的科研人員以實(shí)際污水處理廠為研究目標(biāo)，找出各種控制參數(shù)隨時(shí)間的變化規(guī)律，運(yùn)用動(dòng)態(tài)模型建立污水處理智能控制系統(tǒng)。
3
結(jié)語(yǔ)
�、�
雖然智能控制已成為污水處理的研究與應(yīng)用中的前沿與熱點(diǎn)，但國(guó)內(nèi)外仍處于廣泛應(yīng)用的初級(jí)階段。從文獻(xiàn)來(lái)看，我國(guó)從事這方面研究的人員太少，這也是制約我國(guó)污水處理自動(dòng)控制和智能控制發(fā)展的主要因素。
�、�
與發(fā)達(dá)國(guó)家相比，我國(guó)在污水處理的基本理論、工藝流程和工程設(shè)計(jì)等方面并不明顯落后，但是在運(yùn)行管理與自動(dòng)控制方面卻存在著較大的差距。目前，我國(guó)城市污水處理廠的噸水耗電量是發(fā)達(dá)國(guó)家的近兩倍，而運(yùn)行管理人員數(shù)又是其若干倍，因此加強(qiáng)我國(guó)污水處理系統(tǒng)智能控制的研究與應(yīng)用具有重要的科學(xué)意義與應(yīng)用價(jià)值。
③
由于智能控制的優(yōu)越性及其研究與應(yīng)用的迅速發(fā)展，目前國(guó)外許多城市污水和工業(yè)廢水處理廠正在通過(guò)技術(shù)改造向?qū)崿F(xiàn)智能控制方向過(guò)渡。我國(guó)應(yīng)當(dāng)在有條件的情況下，在污水處理廠的規(guī)劃、設(shè)計(jì)與建設(shè)初期就盡可能采用或部分采用智能控制。