基于人工神经网络的鼓风曝气控制的研究

控制系统l：微计算机信息》(测控自动化)2009年第25卷第9-1期文章编号：1008--0570(2009)09一l—∞6牛m2基于人工神经网络的鼓风曝气控制的研究TheResearchonBlastAerationControlBasedonArtificia／NeuralNetwork(华南理工大学)梁斌罗飞LIANGBinLUOFei摘要：污水处理过程的生产条件恶劣，随机干扰严重，具有强--11：线性、时变、迟滞严重等特点，难以确定溶解氧(D0)的需求量，以往的恒定曝气控制存在着溶解氧浓度渡动大、曝气耗费大、曝气不精确等问题。本文研究了根据人工神经网络对鼓风曝气进行实时控制，以达到节能、精确曝气的目的。关键词：DO；曝气；神经网络；节能中图分类号：TP273文献标识码：AAbstract：Duetothebadoperationconditionsduringwastewatertreatmentprocesswhichischaracterizedofsevererandomdistur-bance，strongnonlinearity，time—variationandseverelag，itisalmostimpossibletomakesurethedemandofdissolvedoxygen(DO)．Inthepast，invariableblastcontrolexistserverproblems，suchasfluctuationofdissolvedoxygenconcentration，higherenergyconsumptionforaeration，imprecisionofaeration．Thisarticlepresentsareal—timecontrolforblastaerationbasedonartificialneuralnetwork．socarlachieveenergysavingandprecisionofaeration．Keywords：DO；Aeration；Neuralnetwork；Energysaving1引言在当前污水处理领域中．活性污泥法是应用最为广泛的处理丁艺之一．该工艺以曝气池为核心处理设备，在曝气作用下，曝气池混合液得到足够的溶解氧并使存活在污泥上的微生物降解有机物．使污水得到净化。其中，曝气池中溶解氧浓度的稳定控制是提高城市污水处理厂生化单元运行效率、保持污水处理厂出水水质达标、降低曝气系统能耗的必要条件。曝气池中溶解氧浓度的高低直接影响有机物的去除效率。并在活性污泥法污水处理过程中影响活性污泥的生长．也是影响运行费用和出水水质的重要因素．所以在活性污泥法处理系统的运行中溶解氧浓度是过程控制的莺要控制参数。在污水处理过程的不同工况下f如：进水水量、水质发生变化、供气系统管压发生变化、环境温度发生变化等1．对曝气池各段分支供气管道上的阀门的开度进行快速有效的调节，保持溶解氧的稳定，对工艺的过程控制和降低曝气单元的能耗具有重大的现实意义。现有技术中的控制方法不能实现在污水处理厂进水水量和水质时刻发生变化的过程中，保持曝气池溶解氧浓度的稳定，因而影响污水处理厂的处理效率、增大曝气系统的能耗。本文研究了基于人工神经网络的鼓风曝气控制，根据进水COD、污泥浓度fMISSl、DO与曝气量的关系用神经网络学习，并确定网络的结构、参数，对所需溶解氧进行在线实时控制，经试运行表明，该方法相比于以往恒D0控制可以有效降低曝气过程的能耗。2神经网络概述人工神经网络就是模仿人脑工作方式而设计的一种机器梁斌：硕士研究生基金项目：基金申请人：罗飞；项目名称：污水生化处理系统的建模与节能优化控制：基金颁发部门：国家自然科学基金委(607740321它可用电子或光电元件实现．也可用软件在常规计算机上仿真；或者说是一种具有大量连接的并行分布式处理器．它具有通过学习获取知识并解决问题的能力，且知识分布存储在连接权f对应于生物神经元的突触)中。神经网络在应用上已迅速扩展到许多领域，如模式识别，控制与优化。金融预测与管理，通信等。神经网络对于控制有巨大吸引的原因在于：(1)能够充分逼近任意复杂的非线性关系；(2)能够学习与适应严重不确定性系统的动态特性：f3)所有定量或定性的信息都等势分布存贮于网络内的各种神经元及其连接权中．具有很强的鲁棒性和容错性：(4)采用并行分布处理方法使得快速进行大量运算成为可能。3BP神经网络3．1BP神经网络原理Rumelhart和McCeUand等人于1986年提出了多层前馈网络的反射传播(BP-BackPropagation)学习算法。该网络自从其产生起在非线性系统建模和控制方面起到非常藿要的作用。BP学习算法是一种监督学习算法。从样本中选取输入模