[发明专利]一种基于二型模糊神经网络的污水处理过程协同控制方法

说明书

本发明提出了一种基于二型模糊神经网络的污水处理过程协同控制方法，针对污水处理过程难以建立精确的数学模型，污水处理过程具有较强的非线性和不确定性，溶解氧DO浓度和硝态氮NO₃‑N浓度难以有效控制的特点，实现污水处理过程中溶解氧DO浓度和硝态氮NO₃‑N浓度的协同控制。该控制方法利用二型模糊神经网络，建立协同模糊神经控制器，搭建协同模糊神经控制器和控制对象的回路，利用协同模糊神经控制方法对溶解氧DO浓度和硝态氮NO₃‑N浓度进行控制，能够在不同运行工况下对溶解氧DO浓度和硝态氮NO₃‑N浓度进行快速、准确的控制，提高了污水处理过程在不同工况下的运行性能，实现了令人满意的控制精度。

技术领域

本发明利用基于二型模糊神经网络的协同控制方法实现污水处理过程中溶解氧DO浓度和硝态氮NO₃-N浓度协同控制，溶解氧DO浓度和硝态氮NO₃-N 浓度是污水生化反应过程中关键控制参数，对污水处理过程、出水水质，能耗都有着重要影响；将基于二型模糊神经网络的协同控制方法应用在污水处理过程中，实现溶解氧DO浓度和硝态氮NO₃-N浓度的协同控制；保证污水处理过程在多种运行工况下的稳定运行，既属于水研究领域，又属于智能控制领域；

背景技术

城镇人口的快速增加与国家环保标准的日趋严格使得国家环保部门对城市污水处理厂的出水水质提出了更高要求；我国生活用水总量逐年攀升，至2018 年底已达850亿立方米，这对城市污水处理能力构成极大的挑战；同时，越来越严格的排放标准和多变的进水负荷也对污水处理过程的平稳运行构成威胁；

作为污水处理过程中关键过程变量，溶解氧DO浓度和硝态氮NO₃-N浓度对于污水处理过程中的生化反应过程起着直接控制作用；在污水处理厂中，活性污泥法是处理污水最常用的方法，其中涉及的生化反应包括氨化反应、硝化反应、反硝化反应等可以通过降解有机物来去除废水中的污染物；氨化反应可以将有机氮化合物转化为氨氮，硝化反应可将氨氮合成为硝态氮NO₃-N；同时，通过反硝化反应可以将硝态氮NO₃-N分解为氮气；尽管这些生化反应能有效地去除有机物，但这些反应过程很难得到有效控制；硝化反应是一种需氧反应，在硝化反应中，较高的溶解氧DO浓度会促进氨氮的降解；与此相反，反硝化反应需要缺氧环境，在缺氧条件下反硝化反应可以去除绝大多数硝态氮NO₃-N；由于这些相互矛盾的反应条件，当前的传统PID控制方法很难有效地同时控制硝化反应和反硝化反应，并且污水处理过程中存在大量的干扰和不确定性也增加了控制难度；此外，过高的溶解氧DO浓度会抑制硝化反应和反硝化反应，过低的硝态氮 NO₃-N浓度则会降低反硝化反应的脱氮效果；因此，对溶解氧DO浓度和硝态氮 NO₃-N浓度进行协同控制是很有必要的；二型模糊神经网络通过利用二型模糊规则可以很好的表达具有强非线性和高不确定性的污水处理过程中过程变量的变化，同时具有较强的学习能力和自适应能力；基于二型模糊神经网络的污水处理过程协同控制具有强大的鲁棒性和较高的控制精度，同时通过对二型模糊神经网络的全局参数和局部参数的协同优化，提高了控制响应速度，能够实现对溶解氧 DO浓度和硝态氮NO₃-N浓度的协同控制，提高污水处理过程在多种工况下的稳定运行能力，保证了出水水质的实时达标，具有很好的实际应用价值；

本发明设计了一种基于二型模糊神经网络的污水处理过程协同控制方法，主要通过二型模糊神经网络控制器对控制目标进行控制，实现溶解氧DO浓度和硝态氮NO₃-N浓度的协同控制；

发明内容

本发明获得了一种基于二型模糊神经网络的污水处理过程协同控制方法，通过基于二型模糊神经网络的污水处理过程协同控制方法求解的溶解氧DO浓度和硝态氮NO₃-N浓度的控制量，利用得到的曝气控制量和内回流控制量实现对溶解氧DO浓度和硝态氮NO₃-N浓度的协同控制，在多种运行工况下，保证出水水质实时达标，降低能耗和提高污水处理过程运行稳定性；