污水好氧处理溶解氧浓度控制策略研究

2019年9月伊犁师范学院学报（自然科学版）Sept.2019第13卷第3期JournalofYiliNormalUniversity（NaturalScienceEdition）Vol.13No.3污水好氧处理溶解氧浓度控制策略研究李艳1，2，魏飞1*（1.陕西科技大学电气与信息工程学院，陕西西安710021；2.陕西农产品加工技术研究院，陕西西安710021）摘要：针对溶解氧控制过程中存在的时滞性给PID参数的整定带来困难，导致溶解氧浓度波动较大，控制效果较差的问题，将传统共轭梯度法与PSO算法结合，运用基于共轭梯度的PSO算法对PID控制器的参数进行优化，克服了PSO算法的早熟问题.MATLAB仿真结果表明：与传统PID控制和基于标准PSO算法的PID控制作对比，共轭梯度优化算法（GCM）和PSO算法的结合所得的PID控制参数使得闭环系统得到了较好的动态响应，控制效果得到了改善.关键词：溶解氧；共轭梯度法；粒子群算法；参数优化中图分类号：TP273.4文献标识码：A文章编号：1673—999X（2019）03—0044—080引言引言制浆造纸工业中会产生大量的中段废水，通常会采用厌氧处理和好氧处理相结合的方式对废水进行处理.在更普遍的好氧处理工艺中，溶解氧（DO）浓度是一个重要的控制参数.大量测试证明，曝气池中微生物活性都跟鼓入池中的空气量相关，尤其是溶解氧浓度这一参数，直接影响了活性污泥处理污水的效率.所以对曝气池中DO浓度进行控制是十分必要的.由于活性污泥法处理污水的本质是微生物分解污水中有机污染物质来实现自身的生长和代谢，这个过程中包含了多种生物反应、化学反应及两者的交叉反应，具体过程是非常复杂的，导致对好氧处理过程溶解氧的控制表现出时变性、时滞性和诸多的不确定性的特点，使得DO的控制十分困难.目前，对DO的控制多采用传统的PID控制，传统PID控制结构简单、可靠性高、稳定性好，不需要特别精确的数学模型，因而被广泛应用［1］.但污水处理是一个具有大滞后特点的过程，传统的PID控制方法并不能很好解决这一问题，即人工整定的控制参数的控制效果并不理想.近年来，把人工智能算法与PID控制器结合，通过智能算法来进行参数整定成为研究热点，模糊逻辑、蚁群算法、粒子群算法等都被广泛研究［2-3］.粒子群算法（PSO）是一种并行搜索算法，高效、逻辑简单、程序易实现是其对比其他智能算法的优点，因此被广泛应用于PID控制器参数优化中，但其早熟的问题却成为优化PID参数的关键［4-5］.本文针对PSO的早熟问题，将全局搜索能力较强的PSO算法与最优控制方法共轭梯度法（ConjugateGradientMethod，CGM）相结合，通过引入早熟判断机制，在PSO算法出现早熟现象时，利用共轭梯度的下降方向，使粒子群及时地跳出收稿日期：2018-10-10基金项目：陕西省科技计划项目（2018GY-042）.作者简介：李艳（1972—），女，硕士，研究方向：智能控制与智能检测.*通信作者：魏飞（1993—），男，研究生，研究方向：智能控制与智能检测.李艳，魏飞：污水好氧处理溶解氧浓度控制策略研究第3期局部最优，有效地解决了PSO算法早熟的问题，寻优过程快，收敛性较好.MATLAB/Simulink仿真结果表明：经CGM-PSO算法优化后的PID控制使污水好氧处理过程控制的超调量减小，调节时间缩短，响应速度加快，提高了系统的控制性能.1污水处理过程及污水处理过程及DODO浓度控制系统浓度控制系统1.1污水好氧处理工艺过程图1是活性污泥法工艺流程，过程包括了污水的预处理、生物处理、污泥回流和污泥排放等.造纸厂产生的制浆污水和抄纸污水会首先集中起来进行预处理，以达到回收污水中存在的纸浆以及改善污水水质的目的.在预处理阶段，造纸污水首先会经过粗格栅，以此来过滤掉污水中大的渣滓和不溶解的物质，而后污水被引入集水井中，在集水井内对污水水质和水量进行调节，保证合适水质水量使之后的处理单元正常工作.污水从均衡池流出后，会经提升泵提升到细网进行过滤，回收污水中可能存在的大颗粒纤维，并将回收的纤维送回到浆池中.之后污水就会进入生物处理阶段，经过预处理的污水首先流入初沉池，在初沉池内一些污染物质会与加入的混凝剂反应而沉淀下来.之后污水进入曝气池中，通过鼓风机鼓入的溶解氧和微生物的相互作用，进行好氧曝气过程，这一阶段内污水的污染程度会得到快速地降低.之后，曝气池的出水被引入二沉池，并在此完成泥水分离，二沉池上层的上清液经过深度处理即可达到排放要求，下层中部分活性污泥被污泥回流泵抽回到曝气生化池，另一部分的活性污泥则送往污泥排放系统，经浓缩、脱水等工艺后送出厂外处理.在污水好氧处理工艺中，曝气池是污水好氧处理的核心构件.空气通过鼓风机通入曝气池，为好氧菌提供其处理污染物