專(zhuān)利名稱(chēng)：基于模糊神經(jīng)網(wǎng)絡(luò)的溶解氧控制的廢水處理方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種廢水處理的控制方法及控制系統(tǒng)，尤其是對(duì)基于進(jìn)水的性質(zhì)和反 應(yīng)器內(nèi)的狀態(tài)以及目標(biāo)處理水質(zhì)的狀況，對(duì)溶解氧的可變因素進(jìn)行自動(dòng)控制的人工智能控 制方法及系統(tǒng)。
背景技術(shù)：
目前，大部分工業(yè)廢水及生活污水的處理均采用生物接觸氧化處理工藝，而該方 法重要的人工措施之一就是向曝氣池中的混合液輸入適當(dāng)?shù)娜芙庋?DO)，利用污泥中的好 氧菌氧化分解水中的可溶解性有機(jī)物，使之轉(zhuǎn)化為無(wú)機(jī)物，從而使污水得以?xún)艋?。溶解氧?含量的高低直接影響到廢水處理系統(tǒng)的穩(wěn)定，進(jìn)而關(guān)系到出水的水質(zhì)。溶解氧的水平過(guò)低， 使污泥活性降低，會(huì)抑制生物對(duì)有機(jī)物的降解，產(chǎn)生污泥膨脹；溶解氧過(guò)高會(huì)加速消耗污水 中的有機(jī)物，使微生物因缺乏營(yíng)養(yǎng)而引起活性污泥的老化，長(zhǎng)期過(guò)高的溶解氧會(huì)降低活性 污泥的絮凝性能和吸附能力，增加能耗，導(dǎo)致懸浮固體沉降性變差。然而，在曝氣池中發(fā)生的去污過(guò)程是一個(gè)復(fù)雜的、動(dòng)態(tài)的生物反應(yīng)過(guò)程，各個(gè)因素 之間存在強(qiáng)耦合關(guān)系。傳統(tǒng)的控制方式對(duì)溶解氧質(zhì)量濃度的控制精度不高、實(shí)時(shí)性也不夠 好。目前我國(guó)大部分城市污水廠沒(méi)有采用合理的曝氣控制，即使采用也只是傳統(tǒng)的PID控 制，效果很不理想，造成能量的浪費(fèi)。傳統(tǒng)模糊控制雖取得了比傳統(tǒng)PID控制方法好的控制 效果，但是，由于缺乏自學(xué)習(xí)能力，不能在線(xiàn)調(diào)整控制規(guī)則，自適應(yīng)能力差，使系統(tǒng)魯棒性受 到限制。神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的自學(xué)習(xí)能力，但是，其知識(shí)表達(dá)與處理又不易被人理解。

發(fā)明內(nèi)容
為了消除上述傳統(tǒng)技術(shù)的問(wèn)題，本發(fā)明將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合成的模糊神 經(jīng)網(wǎng)絡(luò)系統(tǒng)，通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)模糊邏輯，同時(shí)利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，可動(dòng)態(tài)調(diào)整 隸屬函數(shù)、在線(xiàn)優(yōu)化控制規(guī)則。這樣利用兩者的優(yōu)點(diǎn)彌補(bǔ)了對(duì)方的不足。設(shè)計(jì)出一個(gè)以流 入水特性及反應(yīng)器狀態(tài)特性為輸入量，具有五層結(jié)構(gòu)的DO模糊神經(jīng)網(wǎng)絡(luò)控制模型，用于溶 解氧的控制可以取得更佳的控制效果。本發(fā)明的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)一種基于模糊神經(jīng)網(wǎng)絡(luò)的溶解氧控制的廢水處理方法，包括下述步驟(1)測(cè)定進(jìn)入A/0廢水處理系統(tǒng)的進(jìn)水流量、曝氣量對(duì)應(yīng)下的厭氧池ORP值、不同 曝氣量對(duì)應(yīng)下的好氧池DO值和進(jìn)水COD值，以及從該A/0廢水處理系統(tǒng)流出的實(shí)際出水 COD 值；(2)收集上述已測(cè)定的樣本數(shù)據(jù)，通過(guò)計(jì)算機(jī)輸送至COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型， 以物理量數(shù)據(jù)對(duì)其進(jìn)行運(yùn)算處理，建立出水COD預(yù)測(cè)值；(3)將上述出水COD預(yù)測(cè)值與出水COD設(shè)定值進(jìn)行比較，得到誤差跟誤差的變化 率，并將其作為兩個(gè)輸入變量輸入DO模糊神經(jīng)網(wǎng)絡(luò)控制模型，計(jì)算得到曝氣修正量，再去 修正當(dāng)前的曝氣量，通過(guò)修正后的曝氣量對(duì)A/0廢水處理系統(tǒng)的鼓風(fēng)機(jī)進(jìn)行控制，進(jìn)而完成曝氣量的自動(dòng)調(diào)整；所述曝氣量作為一個(gè)輸入?yún)?shù)同時(shí)輸出到COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模 型，由該預(yù)測(cè)模型計(jì)算在這一曝氣量的作用下，系統(tǒng)下一周期的出水COD預(yù)測(cè)值；(4)再重復(fù)步驟(3)的步驟，依此循環(huán)進(jìn)行，從而實(shí)現(xiàn)溶解氧廢水處理的在線(xiàn)預(yù)測(cè) 和實(shí)時(shí)控制。所述COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型包括輸入層、隱藏層和輸出層，其中隱藏層又分 為三層模糊化輸入層、模糊規(guī)則層和模糊化輸出層，通過(guò)上述5層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊化、 模糊推理和解模糊化。其中，隸屬函數(shù)的初始中心值采用模糊C聚類(lèi)方法獲得，隸屬函數(shù)的 其他初始參數(shù)則采用誤差反傳方法由實(shí)驗(yàn)室數(shù)據(jù)的離線(xiàn)學(xué)習(xí)獲得。模糊規(guī)則層有網(wǎng)絡(luò)數(shù) 據(jù)的雙向流動(dòng)及中間層的競(jìng)爭(zhēng)學(xué)習(xí)確定，專(zhuān)家對(duì)規(guī)則的經(jīng)驗(yàn)由中間的連接和信號(hào)的流向?qū)?施。并基于WindowsCE. NET嵌入式操作系統(tǒng)，結(jié)合現(xiàn)有組態(tài)軟件相關(guān)理論與組件化編程技 術(shù)，在MCGS高級(jí)開(kāi)發(fā)包生成的VB程序中編寫(xiě)模糊神經(jīng)網(wǎng)絡(luò)算法，然后按照MCGS的接口函 數(shù)規(guī)范將模糊網(wǎng)絡(luò)算法嵌入到MCGS中，實(shí)現(xiàn)對(duì)廢水處理系統(tǒng)溶解氧的智能控制。所述COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的5層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具體如下所述輸入層為第一層以進(jìn)水流量、進(jìn)水COD值、曝氣量、厭氧池ORP值、好氧池DO 值5個(gè)輸入變量為網(wǎng)絡(luò)的輸入神經(jīng)元；所述模糊化輸入層為第二層計(jì)算每個(gè)輸入變量對(duì)應(yīng)的隸屬度，節(jié)點(diǎn)數(shù)5X 11 ；所述模糊規(guī)則層為第三層實(shí)現(xiàn)每條規(guī)則的前件計(jì)算，該層節(jié)點(diǎn)為11 ；所述模糊化輸出層為第四層計(jì)算每條規(guī)則的適用度，節(jié)點(diǎn)數(shù)與第三層個(gè)數(shù)同為 11 ；所述輸出層為第五層出水COD預(yù)測(cè)值為輸出神經(jīng)元，只有一個(gè)輸出節(jié)點(diǎn)。所述DO模糊神經(jīng)網(wǎng)絡(luò)控制模型包括輸入層、隱藏層和輸出層，其中隱藏層又分為 三層模糊化輸入層、模糊規(guī)則層和模糊化輸出層，通過(guò)上述5層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)模糊 化、模糊推理和解模糊化。所述DO模糊神經(jīng)網(wǎng)絡(luò)控制模型的5層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具體如下所述輸入層為第一層2個(gè)節(jié)點(diǎn)，為COD值的變化量及變化率；所述模糊化輸入層為第二層14個(gè)節(jié)點(diǎn)，代表14個(gè)隸屬度函數(shù)，完成隸屬度函數(shù) 值的求?。凰瞿：?guī)則層為第三層49個(gè)節(jié)點(diǎn)，代表49條模糊規(guī)則，完成模糊規(guī)則的前件 計(jì)算；所述模糊化輸出層為第四層49個(gè)節(jié)點(diǎn)，代表49個(gè)隸屬度的適用度；所述輸出層為第五層1個(gè)節(jié)點(diǎn)，代表曝氣量修正量。所述進(jìn)水COD值為600 2000mg/l，厭氧池ORP值為-200 Omv，好氧池DO值為 0. 2 4. 5mg/l。所述DO模糊神經(jīng)網(wǎng)絡(luò)控制模型按照下述方式進(jìn)行控制在進(jìn)水負(fù)荷增加時(shí)，空氣供給量增加；在進(jìn)水負(fù)荷減少時(shí)，使空氣供給量減少。本發(fā)明的方法還包括下述步驟借助傳送控制協(xié)議/互聯(lián)網(wǎng)協(xié)議(TCP/IP)和串行 數(shù)據(jù)接口標(biāo)準(zhǔn)(R232/485)，通過(guò)計(jì)算機(jī)和雙向通信，對(duì)上述數(shù)據(jù)進(jìn)行實(shí)時(shí)控制；通過(guò)計(jì)算 機(jī)，在經(jīng)過(guò)上述控制過(guò)程后，對(duì)廢水處理廠的效率進(jìn)行比較分析，將其記錄于文件中。本發(fā)明上述方法所用的廢水處理系統(tǒng)包括A/0廢水處理系統(tǒng)、COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和DO模糊神經(jīng)網(wǎng)絡(luò)控制模型；由傳感器檢測(cè)A/0廢水處理系統(tǒng)的進(jìn)水流量、 進(jìn)水COD值、厭氧池ORP值、好氧池DO值和實(shí)際出水COD值，將上述5個(gè)樣品數(shù)據(jù)依次經(jīng) ADAM4017+轉(zhuǎn)換模塊、ADAM4520隔離轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字信號(hào)并傳送至COD模糊神經(jīng)網(wǎng)絡(luò)預(yù) 測(cè)模型，以建立出水COD預(yù)測(cè)值；上述數(shù)字信號(hào)還經(jīng)由ADAM4024+模塊轉(zhuǎn)換成模擬信號(hào)，通 過(guò)水泵控制電路控制進(jìn)水水泵的轉(zhuǎn)速以控制進(jìn)水流量；所述ADAM4024+模塊還通過(guò)變頻器 來(lái)控制鼓風(fēng)機(jī)。本發(fā)明相對(duì)于現(xiàn)有技術(shù)具有如下優(yōu)點(diǎn)和有益效果(1)本發(fā)明將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合成的模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，通過(guò)神經(jīng)網(wǎng)絡(luò) 來(lái)實(shí)現(xiàn)模糊邏輯，同時(shí)利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，可動(dòng)態(tài)調(diào)整隸屬函數(shù)、在線(xiàn)優(yōu)化控制規(guī) 則。(2)對(duì)溶解氧濃度的精確控制可以實(shí)現(xiàn)在保證污水處理系統(tǒng)穩(wěn)定運(yùn)行的基礎(chǔ)上， 節(jié)約能耗。(3)經(jīng)過(guò)本發(fā)明廢水處理系統(tǒng)處理后的污水出水濃度能夠控制在國(guó)家的排放標(biāo)準(zhǔn) 以?xún)?nèi)，出水水質(zhì)達(dá)到了國(guó)家排放標(biāo)準(zhǔn)。


圖1表示本發(fā)明模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制廢水處理方法的框圖。圖2表示本發(fā)明廢水處理系統(tǒng)的結(jié)構(gòu)框圖。圖3表示COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。圖4表示DO模糊神經(jīng)網(wǎng)絡(luò)控制模型。圖5表示DO濃度變化曲線(xiàn)圖。圖6表示變頻器輸出曲線(xiàn)圖。圖7表示好氧控制同理論需氧量的比較。
具體實(shí)施例方式下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步具體詳細(xì)描述，但本發(fā)明的實(shí)施方式不限 于此。實(shí)施例1如圖1所示，一種基于模糊神經(jīng)網(wǎng)絡(luò)的溶解氧控制的廢水處理方法，包括下述步 驟(1)測(cè)定進(jìn)入A/0廢水處理系統(tǒng)的進(jìn)水流量、曝氣量對(duì)應(yīng)下的厭氧池ORP值、不同 曝氣量對(duì)應(yīng)下的好氧池DO值和進(jìn)水COD值，以及從該A/0廢水處理系統(tǒng)流出的實(shí)際出水 COD 值；(2)收集上述已測(cè)定的樣本數(shù)據(jù)，通過(guò)計(jì)算機(jī)輸送至COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型， 以物理量數(shù)據(jù)對(duì)其進(jìn)行運(yùn)算處理，建立出水COD預(yù)測(cè)值；(3)將上述出水COD預(yù)測(cè)值與出水COD設(shè)定值進(jìn)行比較，得到誤差跟誤差的變化 率，并將其作為兩個(gè)輸入變量輸入DO模糊神經(jīng)網(wǎng)絡(luò)控制模型，計(jì)算得到曝氣修正量，再去 修正當(dāng)前的曝氣量，通過(guò)修正后的曝氣量對(duì)A/0廢水處理系統(tǒng)的鼓風(fēng)機(jī)進(jìn)行控制，進(jìn)而完 成曝氣量的自動(dòng)調(diào)整；所述曝氣量作為一個(gè)輸入?yún)?shù)同時(shí)輸出到COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，由該預(yù)測(cè)模型計(jì)算在這一曝氣量的作用下，系統(tǒng)下一周期的出水COD預(yù)測(cè)值；(4)再重復(fù)步驟(3)的步驟，依此循環(huán)進(jìn)行，從而實(shí)現(xiàn)溶解氧廢水處理的在線(xiàn)預(yù)測(cè) 和實(shí)時(shí)控制。本發(fā)明基于模糊神經(jīng)網(wǎng)絡(luò)的溶解氧控制的廢水處理系統(tǒng)，如圖2所示，它包括A/0 廢水處理系統(tǒng)、COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和DO模糊神經(jīng)網(wǎng)絡(luò)控制模型；所述COD模糊神 經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型與DO模糊神經(jīng)網(wǎng)絡(luò)控制模型均嵌在監(jiān)控與控制通用系統(tǒng)中。如圖2所示， 監(jiān)控與控制通用系統(tǒng)(MCGS)購(gòu)自北京昆侖通態(tài)自動(dòng)化軟件公司，MCGS具有實(shí)時(shí)性強(qiáng)，并處 理性能良好，可視化操作界面，容易操作等特點(diǎn)。MCGS支持ADAM模塊驅(qū)動(dòng)，能夠讀、寫(xiě)ADAM 模塊信號(hào)。由在線(xiàn)傳感器檢測(cè)A/0廢水處理系統(tǒng)的進(jìn)水流量、進(jìn)水COD值、厭氧池ORP值、好 氧池DO值和實(shí)際出水COD值，將上述5個(gè)樣品數(shù)據(jù)依次經(jīng)ADAM4017+轉(zhuǎn)換模塊、ADAM4520 隔離轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字信號(hào)并傳送至COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，以建立出水COD預(yù)測(cè)值； 上述數(shù)字信號(hào)還經(jīng)由ADAM4024+模塊轉(zhuǎn)換成模擬信號(hào)，控制進(jìn)水水泵的轉(zhuǎn)速以控制進(jìn)水流 量；所述ADAM4024+模塊還通過(guò)變頻器來(lái)控制鼓風(fēng)機(jī)。首先，由COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 預(yù)測(cè)A/0廢水處理系統(tǒng)的出水COD值(出水COD預(yù)測(cè)值)，再將該預(yù)測(cè)值同設(shè)定值相比較得 到E (t+ Δ t)和Ec (t+ Δ t)，以這兩個(gè)量輸入DO模糊神經(jīng)網(wǎng)絡(luò)控制模型，計(jì)算得到曝氣變化 量Au(t)，再去修正當(dāng)前的曝氣量u(t)，進(jìn)而完成曝氣量的自動(dòng)調(diào)整。這一修正后的控制 量作為一個(gè)輸入?yún)?shù)同時(shí)輸出到COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，由該預(yù)測(cè)模型計(jì)算在這一曝 氣量的作用下，系統(tǒng)下一時(shí)刻的出水COD。由于建模不可能完全精確，因此由預(yù)測(cè)模型輸出 的出水COD預(yù)測(cè)值和出水COD設(shè)定值之間存在誤差，將誤差信號(hào)和誤差的變化率再作為輸 入量輸入DO模糊神經(jīng)網(wǎng)絡(luò)控制模型，得到下一周期應(yīng)加給系統(tǒng)的曝氣量大小，依此循環(huán)進(jìn) 行，從而實(shí)現(xiàn)溶解氧的廢水處理系統(tǒng)的在線(xiàn)預(yù)測(cè)和實(shí)時(shí)控制。圖3表示本發(fā)明預(yù)測(cè)COD值模型采用五層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。第一層為輸入層 以進(jìn)水流量、進(jìn)水CO D、曝氣量、厭氧池0RP、好氧池溶解氧值5個(gè)輸入變量為網(wǎng)絡(luò)的輸入神 經(jīng)元；第二層為模糊化輸入層計(jì)算每個(gè)輸入變量對(duì)應(yīng)的隸屬度(節(jié)點(diǎn)數(shù)5X11)；第三層 為模糊規(guī)則層實(shí)現(xiàn)每條規(guī)則的前件計(jì)算，該層節(jié)點(diǎn)為11 ；第四層為模糊化輸出層計(jì)算每 條規(guī)則的適用度，節(jié)點(diǎn)數(shù)與第三層個(gè)數(shù)同為11 ；第五層為輸出層(去模糊化層)C0D預(yù)測(cè) 值為輸出神經(jīng)元，只有一個(gè)輸出節(jié)點(diǎn)。從圖3可以看出，網(wǎng)絡(luò)通過(guò)模糊C均值聚類(lèi)函數(shù)對(duì)訓(xùn) 練數(shù)據(jù)進(jìn)行聚類(lèi)，得到11個(gè)聚類(lèi)及其中心，這11個(gè)類(lèi)就是從訓(xùn)練數(shù)據(jù)中歸納出的11條模 糊規(guī)則；同時(shí)網(wǎng)絡(luò)具有3層隱含層(模糊化輸入層、模糊規(guī)則層和模糊化輸出層)，可以表 達(dá)IF-THEN控制規(guī)則的知識(shí)結(jié)構(gòu)，其中隱層第一層(模糊化輸入層)把輸入變量轉(zhuǎn)換成前 提部分的隸屬度函數(shù)，隱層第一層到第三層是模糊規(guī)則部分，模糊化輸出層是規(guī)則的合成 輸出。所述DO模糊神經(jīng)網(wǎng)絡(luò)控制模型按照下述方式進(jìn)行控制在進(jìn)水負(fù)荷增加時(shí)，空氣 供給量增加；在進(jìn)水負(fù)荷減少時(shí)，使空氣供給量減少。如圖4所示，本發(fā)明DO模糊神經(jīng)網(wǎng)絡(luò) 控制模型采用五層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。第一層輸入層為2個(gè)節(jié)點(diǎn)，代表COD的變化量和變 化率；第二層模糊化輸入層為14個(gè)節(jié)點(diǎn)，代表14個(gè)隸屬度函數(shù)，完成隸屬度函數(shù)值的求??； 第三層模糊規(guī)則層為49個(gè)節(jié)點(diǎn)，代表49條模糊規(guī)則，完成模糊規(guī)則的前件計(jì)算；第四層模 糊化輸出層為49個(gè)節(jié)點(diǎn)，代表49個(gè)隸屬度的適用度；第五層輸出層為1個(gè)節(jié)點(diǎn)，代表曝氣 量修正量。
該方法還包括下述步驟借助傳送控制協(xié)議/互聯(lián)網(wǎng)協(xié)議(TCP/IP)和串行數(shù)據(jù)接 口標(biāo)準(zhǔn)(R232/485)，通過(guò)計(jì)算機(jī)和雙向通信，對(duì)上述數(shù)據(jù)進(jìn)行實(shí)時(shí)控制；通過(guò)計(jì)算機(jī)，在經(jīng) 過(guò)上述控制過(guò)程后，對(duì)廢水處理廠的效率進(jìn)行比較分析，將其記錄于文件中。根據(jù)生化處理系統(tǒng)的運(yùn)行狀況，將溶解氧的期望濃度設(shè)定在ang/L，分別運(yùn)用本文 提出的自組織模糊神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)的溶解氧濃度進(jìn)行前反饋控制，設(shè)定變頻器的控制頻率 的基準(zhǔn)值為20Hz。把采樣的10個(gè)DO值輸入到計(jì)算機(jī)系統(tǒng)中(每隔2分鐘采樣一次)，控 制系統(tǒng)實(shí)時(shí)輸出控制量U，并實(shí)時(shí)通過(guò)控制變頻器的電壓來(lái)控制頻率，從而控制鼓風(fēng)機(jī)的曝 氣量。所得到的實(shí)時(shí)控制關(guān)系表如表1所示。根據(jù)實(shí)時(shí)控制表1，我們把DO濃度的變化和變頻器頻率的輸出做了相應(yīng)的曲線(xiàn) 圖，分別運(yùn)用本文提出的自組織模糊神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的模糊控制方法對(duì)系統(tǒng)的溶解氧濃度 進(jìn)行控制，如圖5和6所示，從圖中可以看出，兩級(jí)模糊神經(jīng)網(wǎng)絡(luò)方法能夠?qū)崿F(xiàn)對(duì)溶解氧濃 度的快速、準(zhǔn)確控制，與此同時(shí)，無(wú)論在動(dòng)態(tài)性能還是穩(wěn)態(tài)性能方面，自組織模糊神經(jīng)網(wǎng)絡(luò) 方法都優(yōu)于傳統(tǒng)的模糊控制方法。表1實(shí)時(shí)控制下溶解氧(DO)濃度的變化
權(quán)利要求
1.一種基于模糊神經(jīng)網(wǎng)絡(luò)的溶解氧控制的廢水處理方法，其特征在于，包括下述步驟(1)測(cè)定進(jìn)入A/0廢水處理系統(tǒng)的進(jìn)水流量、曝氣量對(duì)應(yīng)下的厭氧池ORP值、不同曝 氣量對(duì)應(yīng)下的好氧池DO值和進(jìn)水COD值，以及從該A/0廢水處理系統(tǒng)流出的實(shí)際出水COD 值；(2)收集上述已測(cè)定的樣本數(shù)據(jù)，通過(guò)計(jì)算機(jī)輸送至COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，以物 理量數(shù)據(jù)對(duì)其進(jìn)行運(yùn)算處理，建立出水COD預(yù)測(cè)值；(3)將上述出水COD預(yù)測(cè)值與出水COD設(shè)定值進(jìn)行比較，得到誤差跟誤差的變化率，并 將其作為兩個(gè)輸入變量輸入DO模糊神經(jīng)網(wǎng)絡(luò)控制模型，計(jì)算得到曝氣修正量，再去修正當(dāng) 前的曝氣量，通過(guò)修正后的曝氣量對(duì)A/0廢水處理系統(tǒng)的鼓風(fēng)機(jī)進(jìn)行控制，進(jìn)而完成曝氣 量的自動(dòng)調(diào)整；所述曝氣量作為一個(gè)輸入?yún)?shù)同時(shí)輸出到COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，由 該預(yù)測(cè)模型計(jì)算在這一曝氣量的作用下，系統(tǒng)下一周期的出水COD預(yù)測(cè)值；(4)再重復(fù)步驟(3)的步驟，依此循環(huán)進(jìn)行，從而實(shí)現(xiàn)溶解氧廢水處理的在線(xiàn)預(yù)測(cè)和實(shí) 時(shí)控制。
2.根據(jù)權(quán)利要求1所述的廢水處理方法，其特征在于，所述COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 包括輸入層、隱藏層和輸出層，其中隱藏層又分為三層模糊化輸入層、模糊規(guī)則層和模糊 化輸出層，通過(guò)上述5層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊化、模糊推理和解模糊化。
3.根據(jù)權(quán)利要求2所述的廢水處理方法，其特征在于，所述COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 的5層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具體如下所述輸入層為第一層以進(jìn)水流量、進(jìn)水COD值、曝氣量、厭氧池ORP值、好氧池DO值5 個(gè)輸入變量為網(wǎng)絡(luò)的輸入神經(jīng)元；所述模糊化輸入層為第二層計(jì)算每個(gè)輸入變量對(duì)應(yīng)的隸屬度，節(jié)點(diǎn)數(shù)5X11 ； 所述模糊規(guī)則層為第三層實(shí)現(xiàn)每條規(guī)則的前件計(jì)算，該層節(jié)點(diǎn)為11 ； 所述模糊化輸出層為第四層計(jì)算每條規(guī)則的適用度，節(jié)點(diǎn)數(shù)與第三層個(gè)數(shù)同為11 ； 所述輸出層為第五層出水COD預(yù)測(cè)值為輸出神經(jīng)元，只有一個(gè)輸出節(jié)點(diǎn)。
4.根據(jù)權(quán)利要求1所述的廢水處理方法，其特征在于，所述DO模糊神經(jīng)網(wǎng)絡(luò)控制模型 包括輸入層、隱藏層和輸出層，其中隱藏層又分為三層模糊化輸入層、模糊規(guī)則層和模糊 化輸出層，通過(guò)上述5層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)模糊化、模糊推理和解模糊化。
5.根據(jù)權(quán)利要求4所述的廢水處理方法，其特征在于，所述DO模糊神經(jīng)網(wǎng)絡(luò)控制模型 的5層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具體如下所述輸入層為第一層2個(gè)節(jié)點(diǎn)，為COD值的變化量及變化率； 所述模糊化輸入層為第二層14個(gè)節(jié)點(diǎn)，代表14個(gè)隸屬度函數(shù)，完成隸屬度函數(shù)值的 求?。凰瞿：?guī)則層為第三層49個(gè)節(jié)點(diǎn)，代表49條模糊規(guī)則，完成模糊規(guī)則的前件計(jì)算；所述模糊化輸出層為第四層49個(gè)節(jié)點(diǎn)，代表49個(gè)隸屬度的適用度； 所述輸出層為第五層1個(gè)節(jié)點(diǎn)，代表曝氣量修正量。
6.根據(jù)權(quán)利要求1 5任意一項(xiàng)所述的廢水處理方法，其特征在于，所述進(jìn)水COD值為 600 2000mg/l，厭氧池ORP值為-200 Omv，好氧池DO值為0. 2 4. 5mg/l。
7.根據(jù)權(quán)利要求6所述的廢水處理方法，其特征在于，所述COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 與DO模糊神經(jīng)網(wǎng)絡(luò)控制模型均嵌在監(jiān)控與控制通用系統(tǒng)中。
8.根據(jù)權(quán)利要求6所述的廢水處理方法，其特征在于，所述DO模糊神經(jīng)網(wǎng)絡(luò)控制模型 按照下述方式進(jìn)行控制在進(jìn)水負(fù)荷增加時(shí)，空氣供給量增加；在進(jìn)水負(fù)荷減少時(shí)，使空氣供給量減少。
9.根據(jù)權(quán)利要求6所述的廢水處理方法，其特征在于，該方法還包括下述步驟借助傳 送控制協(xié)議/互聯(lián)網(wǎng)協(xié)議和串行數(shù)據(jù)接口標(biāo)準(zhǔn)，通過(guò)計(jì)算機(jī)和雙向通信，對(duì)上述數(shù)據(jù)進(jìn)行 實(shí)時(shí)控制；通過(guò)計(jì)算機(jī)，在經(jīng)過(guò)上述控制過(guò)程后，對(duì)廢水處理廠的效率進(jìn)行比較分析，將其 記錄于文件中。
10.一種權(quán)利要求1 9任意一項(xiàng)方法所用的廢水處理系統(tǒng)，其特征在于，該系統(tǒng)包 括A/0廢水處理系統(tǒng)、COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和DO模糊神經(jīng)網(wǎng)絡(luò)控制模型；由傳感器 檢測(cè)A/0廢水處理系統(tǒng)的進(jìn)水流量、進(jìn)水COD值、厭氧池ORP值、好氧池DO值和實(shí)際出水 COD值，將上述5個(gè)樣品數(shù)據(jù)依次經(jīng)ADAM4017+轉(zhuǎn)換模塊、ADAM4520隔離轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字 信號(hào)并傳送至COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，以建立出水COD預(yù)測(cè)值；上述數(shù)字信號(hào)還經(jīng)由 ADAM4024+模塊轉(zhuǎn)換成模擬信號(hào)，通過(guò)水泵控制電路控制進(jìn)水水泵的轉(zhuǎn)速以控制進(jìn)水流量； 所述ADAM4024+模塊還通過(guò)變頻器來(lái)控制鼓風(fēng)機(jī)。
全文摘要
本發(fā)明涉及一種基于模糊神經(jīng)網(wǎng)絡(luò)的溶解氧控制的廢水處理方法，包括下述步驟(1)測(cè)定進(jìn)水流量、厭氧池ORP值、好氧池DO值、進(jìn)水COD值，以及實(shí)際出水COD值；(2)收集上述已測(cè)定的樣本數(shù)據(jù)，通過(guò)計(jì)算機(jī)輸送至COD模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，建立出水COD預(yù)測(cè)值；(3)將上述出水COD預(yù)測(cè)值與出水COD設(shè)定值進(jìn)行比較，得到誤差跟誤差的變化率，并將其作為兩個(gè)輸入變量以調(diào)節(jié)合適的溶解氧濃度。從而實(shí)現(xiàn)溶解氧廢水處理的在線(xiàn)預(yù)測(cè)和實(shí)時(shí)控制。本發(fā)明對(duì)溶解氧濃度的精確控制可以實(shí)現(xiàn)在保證污水處理系統(tǒng)穩(wěn)定運(yùn)行的基礎(chǔ)上，節(jié)約能耗，且出水水質(zhì)達(dá)到了國(guó)家排放標(biāo)準(zhǔn)。
文檔編號(hào)G05B13/04GK102122134SQ20111003748
公開(kāi)日2011年7月13日 申請(qǐng)日期2011年2月14日 優(yōu)先權(quán)日2011年2月14日
發(fā)明者萬(wàn)金泉, 王艷, 馬邕文, 黃明智 申請(qǐng)人:華南理工大學(xué)