污水處理過(guò)程優(yōu)化控制系統(tǒng)

第一章 污水處理過(guò)程測(cè)量與控制概論

1.1 污水處理的意義

1.2 我國(guó)污水處理的現(xiàn)狀

1.3 污水處理的方法及工藝

1.3.1 污水處理方法

1.3.2 SBR工藝污水處理系統(tǒng)

1.4 污水處理過(guò)程建模現(xiàn)狀

1.5 污水處理過(guò)程控制現(xiàn)狀

1.6 污水處理過(guò)程軟測(cè)量現(xiàn)狀

1.7 污水處理系統(tǒng)在線測(cè)量與控制存在的問(wèn)題

1.7.1 流程工業(yè)生產(chǎn)過(guò)程在線測(cè)量存在的問(wèn)題

1.7.2 污水處理過(guò)程在線測(cè)量與控制存在的問(wèn)題

第二章 污水處理出水水質(zhì)BOD軟測(cè)量機(jī)理建模

2.1 軟測(cè)量在廢水處理中的應(yīng)用

2.1.1 軟測(cè)量的概念、意義及發(fā)展

2.1.2 污水處理中軟測(cè)量的必要性

2.1.3 軟測(cè)量在污水處理中的常用方法簡(jiǎn)介

2.2 BOD軟測(cè)量機(jī)理模型公式

2.2.1 經(jīng)典勞倫斯—麥卡蒂公式

2.2.2 勞倫斯—麥卡蒂公式在廢水處理中演化形式

2.2.3 泰勒展開(kāi)BOD軟測(cè)量機(jī)理模型公式

2.3 基于最小二乘法的污水處理BOD軟測(cè)量線性補(bǔ)償方法

2.3.1 最小二乘原理

2.3.2 遞推最小二乘算法對(duì)機(jī)理模型的補(bǔ)償

2.3.3 限定記憶最小二乘算法對(duì)機(jī)理模型的補(bǔ)償

2.3.4 基于偏最小二乘的BOD軟測(cè)量機(jī)理模型非線性補(bǔ)償方法

2.3.5 基于核最小二乘法的污水BOD軟測(cè)量機(jī)理模型補(bǔ)償算法

2.4 基于神經(jīng)網(wǎng)絡(luò)的BOD機(jī)理模型的補(bǔ)償方法

2.4.1 BP神經(jīng)網(wǎng)絡(luò)軟測(cè)量模型設(shè)計(jì)

2.4.2 基于過(guò)程神經(jīng)網(wǎng)絡(luò)的BOD軟測(cè)量模型

第三章 基于PNN的污水處理軟測(cè)量方法研究

3.1 過(guò)程神經(jīng)元網(wǎng)絡(luò)（PNN）

3.1.1 過(guò)程神經(jīng)元

3.1.2 過(guò)程神經(jīng)元網(wǎng)絡(luò)模型

3.2 基于PNN的軟測(cè)量方法及改進(jìn)算法

3.2.1 基于函數(shù)正交基的PNN學(xué)習(xí)算法

3.2.2 基于函數(shù)正交基展開(kāi)的PNN改進(jìn)算法

3.3 基于PNN的污水處理過(guò)程軟測(cè)量

3.3.1 軟測(cè)量模型變量的選取

3.3.2 軟測(cè)量結(jié)構(gòu)模型

3.3.3 實(shí)驗(yàn)數(shù)據(jù)及軟測(cè)量結(jié)果

第四章 基于RBF神經(jīng)網(wǎng)絡(luò)的水處理過(guò)程建模方法

4.1 RBF神經(jīng)網(wǎng)絡(luò)

4.1.1 RBF函數(shù)及RBF神經(jīng)元

4.1.2 RBF網(wǎng)絡(luò)的特點(diǎn)、映射機(jī)理

4.1.3 RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法

4.2 水處理優(yōu)化控制數(shù)學(xué)模型的RBF神經(jīng)網(wǎng)絡(luò)建模

4.2.1 污水處理優(yōu)化控制的目標(biāo)

4.2.2 水處理RBF神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和測(cè)試

第五章 溶解氧的智能控制方法

5.1 溶解氧的智能控制方法

5.1.1 人工神經(jīng)網(wǎng)絡(luò)控制

5.1.2 模糊控制

5.1.3 專家控制

5.1.4 遺傳算法

5.2 單變量Do控制

5.2.1 被控對(duì)象建模

5.2.2 常規(guī)PID的Do控制器設(shè)計(jì)

5.2.3 基于BP神經(jīng)網(wǎng)絡(luò)的自整定PID控制

5.2.4 基于BP神經(jīng)網(wǎng)絡(luò)的自整定PID控制原理

5.2.5 基于BP神經(jīng)網(wǎng)絡(luò)的自整定PID控制仿真

5.2.6 雙模糊控制器設(shè)計(jì)

5.2.7 模糊PID—Smith控制器設(shè)計(jì)

5.3 基于模糊理論的多變量Do控制

5.3.1 多變量模糊控制的現(xiàn)狀與發(fā)展

5.3.2 基于模糊PID—Smith和模糊理論的兩級(jí)Do控制器的設(shè)計(jì)

5.3.3 基于雙模糊PID—Smith理論的兩級(jí)Do控制器的設(shè)計(jì)

第六章 基于智能進(jìn)化算法的優(yōu)化控制方法及實(shí)現(xiàn)

6.1 智能進(jìn)化算法概述

6.1.1 經(jīng)典優(yōu)化算法及其弊端

6.1.2 遺傳算法

6.1.3 粒子群算法

6.2 基于粒子群算法的污水處理過(guò)程的參數(shù)優(yōu)化設(shè)計(jì)

6.2.1 優(yōu)化算法的選取

6.2.2 粒子群算法的設(shè)計(jì)流程

6.3 基于粒子群算法的活性污泥法的優(yōu)化設(shè)計(jì)實(shí)現(xiàn)

第七章 污水處理過(guò)程的模糊控制技術(shù)及實(shí)現(xiàn)

7.1 污水處理模糊控制技術(shù)

7.1.1 污水處理模糊控制系統(tǒng)基本結(jié)構(gòu)

7.1.2 模糊控制器的設(shè)計(jì)

7.2 基于預(yù)測(cè)模型的自適應(yīng)模糊控制器的設(shè)計(jì)與仿真

7.2.1 自適應(yīng)模糊控制器構(gòu)成

7.2.2 自適應(yīng)模糊控制系統(tǒng)的仿真

7.2.3 自適應(yīng)模糊控制器算法及其實(shí)現(xiàn)

7.2.4 自適應(yīng)模糊控制仿真結(jié)果及分析

7.3 模糊Smith—PID復(fù)合控制方法

7.3.1 SBR常規(guī)控制方法分析

7.3.2 模糊Smith—PID控制器設(shè)計(jì)

第八章 生物流化床及其控制方法

8.1 生物流化床的基本特性

8.1.1 生物流化床工作原理

8.1.2 生物流化床特性

8.1.3 生物流化床研究狀況

8.2 智能控制方法

8.2.1 自適應(yīng)控制

8.2.2 模糊控制

8.2.3 神經(jīng)網(wǎng)絡(luò)控制

8.2.4 專家控制

8.3 三相生物流化床氨氮廢水處理過(guò)程數(shù)學(xué)模型研究

8.3.1 內(nèi)循環(huán)三相生物流化床氨氮廢水處理的結(jié)構(gòu)和工作原理

8.3.2 內(nèi)循環(huán)三相生物流化床處理氨氮廢水實(shí)驗(yàn)

8.3.3 內(nèi)循環(huán)三相生物流化床氨氮廢水處理過(guò)程主導(dǎo)模型的建立

8.4 基于遺傳算法改進(jìn)的過(guò)程神經(jīng)網(wǎng)絡(luò)BOD5軟測(cè)量模型

8.4.1 軟測(cè)量模型變量的選取

8.4.2 過(guò)程神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定

8.4.3 基于遺傳算法訓(xùn)練速率尋優(yōu)的改進(jìn)算法

8.4.4 過(guò)程神經(jīng)網(wǎng)絡(luò)BOD5軟測(cè)量模型的實(shí)現(xiàn)

8.4.5 實(shí)驗(yàn)分析

8.5 基于遺傳算法改進(jìn)的T—S模糊控制及在生物流化床的應(yīng)用

8.5.1 T—S模糊控制

8.5.2 分層模糊控制

8.5.3 遺傳算法改進(jìn)T—S模糊自適應(yīng)控制方法

8.6 基于DRNN網(wǎng)絡(luò)辨識(shí)的自整定PID解耦控制及在生物流化床的應(yīng)用

8.6.1 PID參數(shù)整定方法

8.6.2 基于DRNN辨識(shí)的自整定PID解耦控制算法

8.7 生物流化床污水處理監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

8.7.1 生物流化床污水處理監(jiān)控系統(tǒng)設(shè)計(jì)

8.7.2 基于西門子S7—200PLC的下位機(jī)程序控制

8.7.3 基于WebAccess和Flash交互制作實(shí)現(xiàn)的上位機(jī)監(jiān)控

第九章 污水處理過(guò)程的自抗擾控制方法

9.1 自抗擾控制技術(shù)

9.1.1 安排過(guò)渡過(guò)程（TD）

9.1.2 擴(kuò)張狀態(tài)觀測(cè)器（ESO）

9.1.3 非線性誤差反饋控制率（NLEFS）

9.2 SBR污水處理的自抗擾控制設(shè)計(jì)

9.2.1 SBR控制系統(tǒng)特點(diǎn)分析

9.2.2 自抗擾控制系統(tǒng)的設(shè)計(jì)

9.2.3 參數(shù)整定規(guī)律分析

9.2.4 SBR污水處理自抗擾控制系統(tǒng)仿真

9.3 生物流化床氨氮廢水處理自抗擾控制設(shè)計(jì)

9.3.1 系統(tǒng)總體框圖

9.3.2 系統(tǒng)一階自抗擾控制器設(shè)計(jì)

9.3.3 系統(tǒng)二階自抗擾控制器設(shè)計(jì)

9.3.4 生物流化床氨氮廢水處理的自抗擾控制仿真研究

9.4 生物流化床氨氮廢水處理自抗擾控制器的優(yōu)化

9.4.1 控制器優(yōu)化問(wèn)題

9.4.2 自抗擾控制器參數(shù)的優(yōu)化

9.4.3 遺傳算法對(duì)二階自抗擾控制器參數(shù)的優(yōu)化

9.5 自抗擾控制器的穩(wěn)定性分析

附錄：基于BP神經(jīng)網(wǎng)絡(luò)的自整定PID控制程序 2100433B

《污水處理過(guò)程優(yōu)化控制系統(tǒng)》可供從事水環(huán)境保護(hù)或自動(dòng)控制系統(tǒng)的研究人員參考，可作為自動(dòng)化、環(huán)境工程等專業(yè)本科生與研究生的教材。

1.網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制算法及其實(shí)現(xiàn) 　網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制方法就是將復(fù)雜系統(tǒng)的集成優(yōu)化控制方法和網(wǎng)絡(luò)自動(dòng)化技術(shù)相結(jié)合，用來(lái)解決網(wǎng)絡(luò)化復(fù)雜系統(tǒng)的優(yōu)化控制問(wèn)題，使其在難以建模、系統(tǒng)具有網(wǎng)絡(luò)化和區(qū)域化等情況下，獲得滿意的優(yōu)化控制結(jié)果。網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制方法的特點(diǎn)是引入了網(wǎng)絡(luò)回路，在優(yōu)化算法中引人了一些不確定因素，其優(yōu)化控制更加依賴于網(wǎng)絡(luò)系統(tǒng)和網(wǎng)絡(luò)技術(shù)。網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制的關(guān)鍵技術(shù)在于動(dòng)態(tài)系統(tǒng)優(yōu)化與參數(shù)估計(jì)集成優(yōu)化方法的實(shí)現(xiàn)和網(wǎng)絡(luò)信息傳輸，借助于動(dòng)態(tài)系統(tǒng)集成優(yōu)化控制技術(shù)和網(wǎng)絡(luò)自動(dòng)化技術(shù)可實(shí)現(xiàn)網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制，可以基于局域網(wǎng)或Intemet實(shí)現(xiàn)。

2.網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制的特征 　對(duì)一個(gè)動(dòng)態(tài)優(yōu)化控制方法，除了給出優(yōu)化算法，還需要對(duì)其性能進(jìn)行分析，只有這樣才能保證優(yōu)化方法的實(shí)施。網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制方法的性能包括實(shí)時(shí)性、最優(yōu)性、收斂性及其魯棒性等。

• 1).實(shí)時(shí)性 　在引人網(wǎng)絡(luò)之前，針對(duì)跨區(qū)域的復(fù)雜系統(tǒng)，其優(yōu)化控制的實(shí)施是很困難的，即使能夠，其實(shí)時(shí)性也難以保證。網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制方法由于借助于計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)來(lái)實(shí)施集成優(yōu)化控制，可以較好地解決跨區(qū)域復(fù)雜系統(tǒng)集成優(yōu)化控制的實(shí)時(shí)性問(wèn)題。

• 2).最優(yōu)性 　算法最優(yōu)性是指在算法收斂的情況下，收斂解是否實(shí)際系統(tǒng)的最優(yōu)解。對(duì)于網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制方法，在最優(yōu)解存在且唯一等假設(shè)條件下，若算法收斂，則收斂解滿足最優(yōu)性必要條件，即所得優(yōu)化解是實(shí)際系統(tǒng)的真實(shí)最優(yōu)解。

• 3).收斂性 　網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制方法需要實(shí)施，首先要求其優(yōu)化控制算法是收斂的，收斂性就是研究算法收斂的條件，針對(duì)不同的算法其收斂性條件有所不同。對(duì)于網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制方法，其優(yōu)化的框架沒(méi)有改變，只是引人了網(wǎng)絡(luò)回路，利用算法映射及壓縮映射原理，通過(guò)分析可以獲得保證優(yōu)化算法收斂的條件。

• 4).魯棒性 　網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制方法的魯棒性問(wèn)題是指在存在這樣那樣擾動(dòng)的情況下，優(yōu)化算法保持其收斂性，并收斂到最優(yōu)解的能力。網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制方法在不需要實(shí)際過(guò)程的精確數(shù)學(xué)模型的情況下可以獲得實(shí)際系統(tǒng)的真實(shí)最優(yōu)解，對(duì)模型的結(jié)構(gòu)和參數(shù)具有較強(qiáng)的魯棒性。

網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制方法是一種基于網(wǎng)絡(luò)環(huán)境下的集成優(yōu)化控制方法，計(jì)算機(jī)網(wǎng)絡(luò)的信息的安全問(wèn)題必然影響到系統(tǒng)集成優(yōu)化控制的實(shí)施。因此，對(duì)網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制中的信息安全問(wèn)題及其對(duì)策進(jìn)行分析和研究是十分必要的，只有這樣才能保證網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制的順利實(shí)施。網(wǎng)絡(luò)化系統(tǒng)集成優(yōu)化控制中的信息安全問(wèn)題可以借助于計(jì)算機(jī)網(wǎng)絡(luò)的信息安全對(duì)策予以解決。

網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制方法為解決區(qū)域性復(fù)雜系統(tǒng)的優(yōu)化控制提供了一種新思路，該方法具有以下優(yōu)越性:

• 1)由于網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制方法本質(zhì)是采用動(dòng)態(tài)大系統(tǒng)的DISOPE遞階優(yōu)化方法，這樣就使得網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制在不需要復(fù)雜系統(tǒng)的精確數(shù)學(xué)模型的情況下，就可以獲得實(shí)際系統(tǒng)的真實(shí)最優(yōu)解;

• 2)網(wǎng)絡(luò)化系統(tǒng)的集成優(yōu)化控制方法為解決跨區(qū)域性的復(fù)雜系統(tǒng)的優(yōu)化控制提供了一種可靠的實(shí)現(xiàn)途徑和形式。同時(shí)由于網(wǎng)絡(luò)自動(dòng)化技術(shù)的發(fā)展和網(wǎng)絡(luò)信息傳輸實(shí)時(shí)性的提高，使得實(shí)時(shí)地解決區(qū)域性的復(fù)雜系統(tǒng)的優(yōu)化控制成為可能。

城市污水處理是國(guó)家水資源綜合利用的戰(zhàn)略舉措，對(duì)水環(huán)境保護(hù)和淡水資源持續(xù)利用具有重要意義。目前存在的主要問(wèn)題是電能消耗大，運(yùn)行成本高；異常工況頻發(fā)，出水水質(zhì)超標(biāo)嚴(yán)重。由于污水處理過(guò)程中進(jìn)水流量、成份、污染物濃度、水溫等隨時(shí)變化，微生物生命活動(dòng)受溶解氧、污泥齡、微生物種群等諸多因素影響，生化反應(yīng)過(guò)程滯后明顯，部分關(guān)鍵水質(zhì)參數(shù)等不能實(shí)時(shí)測(cè)量，系統(tǒng)多運(yùn)行于非平穩(wěn)狀態(tài)，實(shí)施優(yōu)化控制是一項(xiàng)具有挑戰(zhàn)性的工作。 圍繞以上問(wèn)題，項(xiàng)目獲得以下成果： 1. 提出了基于特征信息和過(guò)程數(shù)據(jù)相結(jié)合的智能建模新方法，獲得了基于結(jié)構(gòu)自組織神經(jīng)網(wǎng)絡(luò)的污水水質(zhì)參數(shù)軟測(cè)量模型，解決了水質(zhì)參數(shù)BOD、COD的無(wú)法在線測(cè)量問(wèn)題；率先提出了基于細(xì)胞自動(dòng)機(jī)理論的污水處理過(guò)程微觀動(dòng)態(tài)建模新方法，實(shí)現(xiàn)了污水處理生化反應(yīng)過(guò)程動(dòng)態(tài)可視化模擬。 2. 提出了基于擴(kuò)展傅立葉靈敏度法的模糊推理規(guī)則自動(dòng)調(diào)整機(jī)制，獲得了結(jié)構(gòu)自組織模糊神經(jīng)網(wǎng)絡(luò)控制方法，實(shí)現(xiàn)了對(duì)溶解氧濃度的在線控制；提出了基于細(xì)胞分裂原理的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自組織設(shè)計(jì)方法，證明結(jié)構(gòu)演化過(guò)程的穩(wěn)定性，設(shè)計(jì)出了結(jié)構(gòu)自組織神經(jīng)網(wǎng)絡(luò)控制器，發(fā)展了神經(jīng)網(wǎng)絡(luò)控制理論。 3. 提出了一種污水處理過(guò)程能耗特征模型，解決污水處理過(guò)程中動(dòng)態(tài)約束和不同時(shí)間尺度的多變量?jī)?yōu)化問(wèn)題；提出了一種多目標(biāo)優(yōu)化算法，獲得了基于多目標(biāo)優(yōu)化的預(yù)測(cè)控制方法，解決了污水處理過(guò)程多變量參數(shù)的優(yōu)化設(shè)定控制問(wèn)題。 4. 研究基于數(shù)據(jù)驅(qū)動(dòng)的特征信息表征、存貯和識(shí)別方法，解決污泥膨脹等異常工況識(shí)別與監(jiān)控問(wèn)題；部分研究成果已成功應(yīng)用于實(shí)際污水處理廠，實(shí)現(xiàn)了出水水質(zhì)達(dá)標(biāo)的同時(shí)能耗降低3%以上。 該項(xiàng)目已在Automatica、IEEE Transactions on Industrial Electronics、IEEE Transactions on Control Systems Technology等刊物上發(fā)表論文46篇，其中SCI/EI收錄28/42篇，被他人引用分別為100余次；申請(qǐng)國(guó)家發(fā)明專利27項(xiàng)，其中授權(quán)12項(xiàng)，獲得授權(quán)軟件著作權(quán)16項(xiàng)；研究成果獲2011年教育部科學(xué)技術(shù)進(jìn)步獎(jiǎng)一等獎(jiǎng)。已經(jīng)培養(yǎng)教授2名，副教授4名，培養(yǎng)研究生28名(其中12名博士生、16名碩士生)。 2100433B

城市污水處理是國(guó)家水資源綜合利用的戰(zhàn)略舉措，對(duì)水環(huán)境保護(hù)和淡水資源持續(xù)利用具有重要意義。目前存在的主要問(wèn)題是電能消耗大，運(yùn)行成本高；異常工況頻發(fā)，出水水質(zhì)超標(biāo)嚴(yán)重。由于污水處理過(guò)程中進(jìn)水流量、成份、污染物濃度、水溫等隨時(shí)變化，微生物生命活動(dòng)受溶解氧、污泥齡、微生物種群等諸多因素影響，生化反應(yīng)過(guò)程滯后明顯，部分關(guān)鍵水質(zhì)參數(shù)等不能實(shí)時(shí)測(cè)量，系統(tǒng)多運(yùn)行于非平穩(wěn)狀態(tài)，實(shí)施優(yōu)化控制是一項(xiàng)具有挑戰(zhàn)性的工作。項(xiàng)目將圍繞以上問(wèn)題，研究污水處理過(guò)程軟測(cè)量和特征建模方法，建立其特征模型和水質(zhì)參數(shù)預(yù)報(bào)模型；研究分級(jí)動(dòng)態(tài)優(yōu)化方法，解決污水處理過(guò)程中動(dòng)態(tài)約束和不同時(shí)間尺度的多變量?jī)?yōu)化問(wèn)題；研究時(shí)滯、時(shí)變、不確定性系統(tǒng)的自適應(yīng)控制方法，解決優(yōu)化設(shè)定值的跟蹤控制問(wèn)題；研究基于數(shù)據(jù)驅(qū)動(dòng)的特征信息表征、存貯和識(shí)別方法，解決污泥膨脹等異常工況識(shí)別與監(jiān)控問(wèn)題；研究成果將應(yīng)用于污水處理廠，保證出水水質(zhì)達(dá)標(biāo)的情況下節(jié)能不低于3%。