城市污水活性污泥法的模糊神經(jīng)網(wǎng)絡(luò)模擬與控制基礎(chǔ)研究.pdf

1、神經(jīng)網(wǎng)絡(luò)和模糊邏輯在處理和解決問題時不需要對象的機理模型.神經(jīng)網(wǎng)絡(luò)的優(yōu)點是具有大規(guī)模并行處理能力、學(xué)習(xí)能力,容錯能力強,還有很強的自適應(yīng)能力;其缺點是表達知識比較困難、學(xué)習(xí)速度慢.模糊控制能以較少的規(guī)則來表達知識,系統(tǒng)簡單而透明,缺點是難以進行學(xué)習(xí),難以建立完善的控制規(guī)則.在全面總結(jié)國內(nèi)外污水生物處理自動控制、智能控制現(xiàn)狀的基礎(chǔ)上研究了不同結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)動態(tài)模擬活性污泥法處理過程的效果、用神經(jīng)網(wǎng)絡(luò)作為活性污泥法處理過程"軟測量"工具

2、的效果,以ANFIS(Adaptive Neural Network Based FuzzyInferential System,ANFIS)為工具分別實現(xiàn)了對曝氣、曝氣池混合液回流,二沉池污泥回流的優(yōu)化控制.用BP神經(jīng)網(wǎng)絡(luò)對基于ASM-1的典型活性污泥法脫氮工藝進行動態(tài)模擬,效果良好:出水CODt的誤差在3mg/l以下,出水TN的誤差在1mg/l以下,出水NH3-N的誤差在1.5mg/l以下,出水SS的誤差在1.5mg/l以下.用BP

3、神經(jīng)網(wǎng)絡(luò)對典型的活性污泥法脫氮除磷工藝進行了動態(tài)模擬,效果很好:神經(jīng)網(wǎng)絡(luò)預(yù)測出水CODt的誤差可控制在±0.6％以下,出水TN的誤差可控制在±2％以下,出水SS的誤差可控制在±1％以下,出水TP的誤差可控制在±2.5％以下,出水PO4的誤差可控制在±3％以下,出水NH3-N的誤差可控制在0.04 mg/l以下.從對污水處理脫氮和脫氮除磷工藝進行模擬的結(jié)果看,神經(jīng)網(wǎng)絡(luò)的預(yù)測的精度與訓(xùn)練樣本數(shù)目直接相關(guān),預(yù)測誤差與所模擬的工藝過程本身的復(fù)雜

4、程度無關(guān).采用不同的隱含層節(jié)點數(shù)模擬效果差別不大,隱含層節(jié)點數(shù)多時效果略優(yōu),訓(xùn)練和模擬時間隨隱含層節(jié)點數(shù)的增加而明顯變長.用神經(jīng)網(wǎng)絡(luò)作為活性污泥法脫氮過程控制的軟傳感器效果良好:軟傳感器"測得"的出水TKN的誤差在±2.5％之內(nèi);出水CODt的誤差在±1.5％之內(nèi).首次提出通過建立ANFIS模型可以準(zhǔn)確預(yù)測一直處于好氧狀態(tài)的曝氣池中溶解氧的濃度,而交替處于好氧和缺氧狀態(tài)的曝氣池,ANFIS模型對其溶解氧濃度的預(yù)測誤差較大.采用ANFIS

5、與采用多層BP神經(jīng)網(wǎng)絡(luò)相比,訓(xùn)練樣本數(shù)量相同時,前者訓(xùn)練時間明顯小于后者,且能達到全局最優(yōu).ANFIS的缺點是只能有一個輸出,輸入?yún)?shù)的個數(shù)也不能太多,一般低于5個.ANFIS模型的訓(xùn)練時間與模型輸入?yún)?shù)的個數(shù)及訓(xùn)練樣本數(shù)密切相關(guān),四個輸入?yún)?shù)ANFIS訓(xùn)練時間明顯長于三個輸入?yún)?shù)ANFIS的訓(xùn)練時間.首次通過建立ANFIS模型得到城市污水活性污泥法工藝中曝氣池溶解氧濃度、曝氣池混合液回流量、二沉池污泥回流量的最優(yōu)值,從而實現(xiàn)了對活性污

6、泥法工藝中曝氣,混合液回流,污泥回流的優(yōu)化控制,這可以在保證出水水質(zhì)的同時最大限度地節(jié)約能耗.節(jié)約能耗的多寡和污水處理工藝、設(shè)計參數(shù)、污水廠運行管理情況、當(dāng)?shù)氐某鏊畼?biāo)準(zhǔn)、污水處理設(shè)備等都有關(guān)系.對鹽田污水廠的模擬結(jié)果表明:分別用BP神經(jīng)網(wǎng)絡(luò)和ANFIS對活性污泥法工藝進行準(zhǔn)確模擬,前者需要的訓(xùn)練樣本多余后者,樣本數(shù)相同時預(yù)測誤差后者要小的多;實際的運行數(shù)據(jù)中有可能有事故數(shù)據(jù),也可能有的數(shù)據(jù)存在很大的測量誤差,所以在采用這些數(shù)據(jù)之前要對其