摘要：针对城市污水处理过程时滞导致难以稳定控制的问题,提出一种自适应滑模控制方法 (Adaptive sliding mode control, ASMC).首先,分析推流时滞对城市污水处理生化反应过程的影响,建立时滞影响下的城市污水处理运行控制模型;其次,设计一种基于模糊神经网络的预估补偿模型,完成滞后变量的准确预测,实现控制模型中变量时刻的统一;最后,设计一种具有自适应开关增益系数的滑模控制器(Sliding mode control, SMC),实现溶解氧和硝态氮的稳定控制.将提出的自适应滑模控制方法应用于城市污水处理过程基准仿真平台,实验结果显示该方法能够实现城市污水处理运行过程稳定控制.

摘要：为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取控制变量溶解氧浓度的优化设定值;其次,设计自适应模糊神经网络控制器,完成溶解氧浓度优化设定值的跟踪控制;最后,将出水氨氮优化控制方法应用于基准仿真平台BSM1.实验结果表明,该优化控制方法不仅提高了出水氨氮的去除效果,而且有效降低了能耗.

摘要：城市污水处理过程优化运行的目标是保证出水水质达标,降低运行成本.为了实现该目标,需要动态更新污水处理过程操作变量的最优设定值.由于城市污水处理过程具有多变量、多冲突、多目标、多约束、动态、时变等特点,如何设计精确的污水处理过程运行指标模型,如何优化过程操作变量的最优设定值,是实现城市污水处理过程优化运行亟待解决的难题.本文梳理了城市污水处理过程优化设定方法的研究进展.首先,介绍了城市污水处理过程特性和过程优化设定问题;其次,分别概述了基于机理和基于数据驱动的城市污水处理过程运行指标建模方法;然后,分别讨论了城市污水处理过程单运行指标和多运行指标的操作变量设定值寻优算法;最后,展望了城市污水处理过程优化设定问题的未来研究方向.

摘要：城市污水处理过程(Municipal wastewater treatment process,MWWTP)是一个典型的复杂流程工业过程,其优化运行涉及到多个动态性能指标.为了实现城市污水处理运行过程的优化控制,本文提出了一种城市污水处理过程动态多目标智能优化控制方法(Dynamic multiobjective intelligent optimal control,DMIOC).首先,建立了一种基于自适应核函数的动态性能指标模型,实现了城市污水处理关键性能指标的准确描述;其次,设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法(Dynamic multiobjective particle swarm optimization,DMOPSO),可有效平衡粒子的多样性和收敛性,完成了溶解氧和硝态氮优化设定值的实时获取;最后,利用多回路PID控制方法对溶解氧和硝态氮优化设定值进行控制,实现了城市污水处理过程安全稳定运行.将提出的DMIOC应用于城市污水处理基准仿真平台,实验结果显示:DMIOC能够提高溶解氧和硝态氮的控制效果,实现城市污水处理过程出水水质达标,并降低运行成本.

摘要：为了实现城市污水处理过程各性能指标的优化运行,提出了一种动态分解多目标粒子群优化控制(optimal control based on dynamic decomposed multiobjective particle swarm optimization, OC-DDMOPSO)策略.首先,构建了基于自适应核函数的运行性能指标模型,确定了优化运行目标.其次,设计了基于档案库动态分解的多目标粒子群优化算法,实时获取操作变量的优化设定值.最后,利用预测控制策略跟踪优化设定值,完成了城市污水处理过程优化控制.将提出的OC-DDMOPSO应用于基准仿真平台BSM1,实验结果显示,OC-DDMOPSO能够实现城市污水处理过程稳定运行,保证出水水质达标排放和降低运行成本.

摘要：城市污水处理过程是一个复杂的过程,具有不确定性、非线性、时滞等特点,因此使得污水处理过程难以有效控制,进而出现出水水质不达标和能耗过高的情况。为满足城市污水处理过程中多目标优化控制的要求,本文提出了一种基于AMOPSO的城市污水处理过程优化控制方法。首先,建立基于径向基函数神经网络的城市污水处理模型,给出能耗和水质模型;其次,在优化控制中引入了AMOPSO算法,利用该算法得到了第五分区溶解氧和第二分区硝态氮的最优解,PID控制器用于跟踪控制优化设定值,从而完成城市污水处理的优化控制;最后,在BSM1上进行验证,结果表明该方法能在保证出水指标达标的同时降低能耗。

摘要：城市污水处理运行过程的优化控制方法是提高其运行效率和改善其运行效果的关键.然而,由于城市污水处理过程进水负荷多变,运行过程存在多种工况且变化频繁,导致城市污水处理过程难以实现优化运行.因此,如何设计优化控制策略应对多种工况变化,保证出水总氮和出水总磷等水质指标达标,是城市污水处理过程亟需解决的挑战性问题.本文设计了基于领域自适应的城市污水处理运行过程多工况优化控制方法(multi-operating optimization control with domain adaptive,MOOC-DA).首先,建立城市污水处理运行过程多工况优化目标模型,捕获运行能耗以及出水水质的时间序列特性,实现运行指标的精确预测.其次,设计基于多任务领域自适应粒子群的多工况优化设定方法,保证多工况运行出水水质达标.最后,设计基于多任务模糊神经网络的优化设定跟踪控制方法,实现城市污水处理过程多工况优化运行.为了验证所提出方法的有效性,基于活性污泥模型仿真平台将提出的MOOC-DA与其他优化控制方法进行对比实验.结果表明,该方法能够实现污水处理过程多工况的优化运行,保证出水总氮和出水总磷等水质指标达标.

摘要：出水总磷的准确预测对于城市污水处理厂的高效、稳定的运行至关重要。文中针对城市污水处理过程中出水总磷难以预测的问题,提出一种基于改进集合经验模态分解(modified ensemble empirical mode decomposition,MEEMD)和深度信念网络(deep belief network,DBN)的出水总磷预测方法。首先,设计一种MEEMD算法对城市污水处理过程出水总磷数据信号进行分解,获取多个本征模态函数(intrinsic mode function,IMF)组合;然后,建立一种基于模拟退火(simulated annealing,SA)算法的深度信念网络预测模型,通过优化的模型结构对分解后得到的每个IMF分量进行有效预测;最后,通过大气CO_(2)浓度预测和城市污水处理出水总磷预测验证了所提出方法的有效性。

摘要：针对城市污水处理过程出水氨氮(NH_(4)^(+)-N)和出水总氮(TN)难以实时准确检测的问题,文中提出了一种基于动态模糊神经网络(DFNN)的出水含氮参数软测量方法.首先,采用自组织增删机制和快速二阶学习算法构建模糊神经网络(FNN),以快速获得结构精简的软测量模型;其次,引入自适应激活强度阈值设计FNN分级更新策略,确保软测量模型在非平稳环境下的预测精度;最后,通过基准仿真1号模型(BSM1)平台的数据验证了DFNN软测量方法的有效性,实验结果表明,所提出的方法能够实现出水NH_(4)^(+)-N和出水TN的在线精准检测.