2005年3月韶關學院學報(自然科學版)Mar.2005第26卷第3期Joumal of Shaoguan University( Natural Science )Vol.26 No.3神經網絡在污水處理中的應用肖勝中12 ,張新政? ,吳奇峰3(1.廣東農工商學院數(shù)學系,廣東廣州;2.廣東工業(yè)大學自動化學院,廣東廣州510080;3.韶關學院數(shù)學系,廣東韶關512005 )摘要神經網絡技術的迅速發(fā)展及其理論的不斷完善為其在各個領域的應用奠定了基礎.污水處理系統(tǒng)是復雜的非線性系統(tǒng)用神經網絡技術控制污水處理過程是可行和必要的在我國更具有現(xiàn)實意義.分析了神經網絡在污水處理自動控制中所起的不同作用并在此基礎上指出了今后的研究方向.關鍵詞神經網絡;污水處理;自動控制; 神經控制中圖分類號:TP183文獻標識碼A文章編號:1007 - 5348( 2005 )03 - 0018 -04污水生物處理系統(tǒng)是高度復雜的非線性系統(tǒng).目前污水處理廠的設計和運行還主要是在試驗的基礎上根據經驗進行,因此存在很大誤差.同時為了獲得滿意的處理效果(有時卻事與愿違),設計參數(shù)的選取比較保守這樣就不可避免地增大了工程投資和運行費用.國際水協(xié)會( IWA )自1985 年以來先后推出許多數(shù)學模型這對污水生物處理的模擬和控制起到了極大的推動作用,并在各地實現(xiàn)了成功應用.但是其中的大部分參數(shù)值隨著污水水質和所選處理工藝的不同而發(fā)生著變化并且其確定非常復雜,因此還沒有一個統(tǒng)一的標準.自動控制方面,由于采用ASMS模擬控制所需的某些主要輸入參數(shù)(如COD)至今還不能實現(xiàn)在線實時檢測,也就不能用ASMS實現(xiàn)有效地實時控制.因此用小波神經網絡來解決那些用傳統(tǒng)方法難以解決的復雜系統(tǒng)的控制問題成為必然作為連接主義的神經控制它特別適用于具有不確定性和高度非線性的多變量污水處理系統(tǒng)的控制.由于神經網絡及神經控制神經網絡有許多優(yōu)點:河以充分逼近任意復雜的非線性關系給復雜系統(tǒng)的建模帶來了一種新的、非傳統(tǒng)的表達工具,有很強的魯棒性和容錯性;采用并行分布處理方法使得快速進行大量運算成為可能;固有的學習能力降低了不確定性增加了適應環(huán)境變化的泛化能力;能夠同時處理定量、定性數(shù)據使其能夠利用連接主義的結構與傳統(tǒng)控制方法及符號主義的人工智能相結合2].缺點是不適:合表達基于規(guī)則的知識不能很好地利用已有的經驗知識;網絡訓練時間長導致有可能陷入非要求的局部極值.基于神經網絡的控制即為神經控制在控制系統(tǒng)中采用神經網絡這-工具對難以精確描述的復雜非線性對象進行建?；虺洚斂刂破骰騼?yōu)化計算或進行推理,或故障診斷等,以及同時兼有上述某些功能的適當組合將這樣的系統(tǒng)稱為基于神經網絡的控制系統(tǒng)稱這種控制方式為神經控制.據此,可將神經網絡在控制中的作用分為:在基于精確模型的各種控制結構中充當對象的模型;在反饋控制系統(tǒng)中直接充當控制器在傳統(tǒng)控制系統(tǒng)中起優(yōu)化計算的作用在與其它智能控制廣計印代4篙清機埠蝴控制、專家控制及遺傳算法等相融合中為其提供非參數(shù)化對象模型、優(yōu)化參數(shù)、中國煤化工HHCNMHG1神經網絡在污水處 理中的應用認識到神經網絡的強大功能尤其是其充分逼近任意復雜的非線性函數(shù)的能力(即非線性映射能力),收稿日期2004-11-01基金項目國家身然科學基金資助項目( 60274030)廣東省科技攻關項目( C31801 ).作者簡介:消勝年節(jié)965 - )男湖南新邵人廣東農工商學院數(shù)學系副教授博士研究生主要從事小波分析、神經網絡方面的研究.第3期肖勝中,等神經網絡在污水處理中的應用加之在對污水處理系統(tǒng)進行數(shù)學模擬中遇到了困難近年來在開發(fā)新的更精確、實用的活性污泥數(shù)學模型的同時很多學者開始致力于用神經網絡模擬和控制污水處理過程的研究并取得了一些成果.例如Hany Gerges 等對污水處理過程進行模擬提出了基于神經網絡模擬污水處理廠的新方法并利用污水廠的歷史數(shù)據開發(fā)了幾個神經網絡模型,用模型模擬水廠運行和預測出水水質模型還用于確定在不超出預定”出水質量標準的前提下污水廠所能承受的最犬額外”負荷.結論是神經網絡模型預測優(yōu)于典型統(tǒng)計模型預測.張文藝等建立了基于BP神經網絡的模型對污水處理廠的運行進行模擬,以確定其最佳運行狀態(tài).結果表明神經網絡完全可用于活性污泥法建模模型的建立使得活性污泥法工藝系統(tǒng)的在線智能控制成為可能.S.J.Wileox等在模擬預測基礎上實現(xiàn)控制提出將神經網絡模擬用于通過在線重碳酸鹽堿度傳感器監(jiān)測和控制厭氧消化過程.其源于由進水濃度增加導致的系列干擾的模擬結果顯示裝置對BA變化非常敏感,而神經網絡能很快識別這種干擾這種方法可用于對低pH緩沖能力污水消化過程的在線控制.為了對某些特定參數(shù)、現(xiàn)象進行預測,Zhu研發(fā)了-種基于時間延遲神經網絡模型的在線污水水質預測系統(tǒng).先采用多層感知器網絡模型對所建立的時間延遲神經網絡的輸入節(jié)點進行篩選然后得到一-個輸入為10的模型.網絡經訓練后對污水水質的預測精度優(yōu)于標準MLP模型.J.H.Tay等開發(fā)出一個快速預測神經模糊模型以此來預測高流速厭氧系統(tǒng)對干擾的反應.該系統(tǒng)可對不同的系統(tǒng)干擾提前一個小時進行預測.AndreaG等在對活性污泥系統(tǒng)輸入輸出進行分析的基礎上將系統(tǒng)辨識技術應用于對活性污泥膨脹現(xiàn)象的模擬.人工神經網絡模型用于預測污泥膨脹在未來的發(fā)生是可行的與其它傳統(tǒng)預測模型相比精確度要高.BelancheL在AndreaG建立的模型基礎上引入定性信息.這些定性信息主要來源于顯微鏡對細菌和微型動物的觀察和一- 些主觀經驗并利用該模型對污水處理廠污泥膨脹現(xiàn)象進行預測試驗結果顯示,定性信息對污水處理廠污泥膨脹現(xiàn)象影響很大模型對污泥膨脹的預測同污水處理廠專家的評價判斷吻合很好.Glenda M Pigram研究了4種不同的方法用于神經網絡預測水質參數(shù)的能力及其對不同水質參數(shù)的預測精度.結果表明,內插法和移動均值法的預測能力最強對pH的預測精度最高對氨氮和總磷濃度的預測精度最低.A.Karama等針對厭氧消化過程提出了-種混合模型,該模型基于物料平衡方程其中生物生長速率通過神經網絡表述.為了保證訓練數(shù)據裝置外混合模型的生物意義(濃度為正、有界生長速率的飽和抑制),提出一種對神經網絡加以規(guī)范的方法并將這種方法應用于固定床生物反應器的試驗數(shù)據.MartinCote等研究了活性污泥過程的動態(tài)模擬用神經網絡改善預測.開發(fā)了一個程序以提高現(xiàn)有活性污泥過程機械模型的精度.神經網絡模型成功地用于經優(yōu)化的機理模型存在的錯誤預測.M. Bongards認為污水處理廠運行中的一個主要問題是從污泥脫水和壓縮中排出水的凈化并為其控制設計一個聯(lián)合控制器控制器由提前-小時預測出水值的神中國煤化工水的模糊控制器聯(lián)合組成.這種設計構造了一個能自適應于被控系統(tǒng)的高度非線MYHCNMHG控制器的使用使得模糊控制器的優(yōu)化相對簡單和容易.WenChien-Hsien開發(fā)了一種曝氣池神經網絡模型.這種模型同專家系統(tǒng)互取各自所需要的數(shù)據二者結合對整個污水處理廠實行智能控制.具體方法是:專家系統(tǒng)從各種傳感器和檢測器獲得信號后檢查系統(tǒng)的狀態(tài)?棄推測出-個污泥回流比然后將該值送與神經網絡;神經網絡把從專家系統(tǒng)獲得的當前狀態(tài)值與韶關學院學報(自然科學版)2005年通過網絡預測得到的值進行比較分析該值是應該增加還是減少或是維持不變;專家系統(tǒng)根據當前的BOD和MLSS值以及神經網絡預測的曝氣池狀態(tài)判斷是否采用這個污泥回流比.如果專家系統(tǒng)想增加曝氣池內.的BOD濃度,它在向神經網絡模型傳輸數(shù)據時就在當前BOD濃度.上加上一個微小增量作為目標值神經網絡模型以此值預測-個污泥回流比并把它反饋給專家系統(tǒng).蘇敏等針對城市污水生物處理系統(tǒng)的復雜性、不確定性和難以建立精確數(shù)學模型的特點提出了一種用BP神經網絡來完成規(guī)則推理的模糊控制器.Michael等提出了-種不能即時獲得的污水處理過程參數(shù)(如進水BOD,COD)的近似計算方法.該方法是基于易直接測量的輔助參數(shù),計算結果可用于過程控制.通過神經網絡完成信息處理建立過程參數(shù)和輔助參數(shù)直接的非線性靜態(tài)或動態(tài)相關關系.神經網絡的訓練采用污水處理廠在線分析儀記錄的數(shù)據.Dong-Jin等對軟傳感技術進行了研究推薦了一種混合神經網絡作為軟傳感器來推測污水水質參數(shù).混合神經網絡技術顯示了強大的預測能力并可用于從干擾數(shù)據中提取有用信息以及描述復雜污水處理過程的非線性.2進一步的研究方向雖然近20年來很多學者都開始研究將神經網絡應用于污水處理過程尤其在國外這已成為研究熱點之-,但通過對已有研究成果的分析可以看出大多數(shù)研究仍停留在實驗室階段.建立的多數(shù)神經網絡模型屬靜態(tài)模型不完全適合污水處理的在線控制..要用神經網絡或與其它技術結合實現(xiàn)對污水處理過程完全的和高品質的控制還有很長的路要走.聯(lián)系已有的研究成果結合對污水處理過程特點和神經網絡技術的認識我們對未來的研究提出以下觀點:(1)將神經網絡用于污水處理過程最終和最直接的目的是實現(xiàn)對污水處理過程的高性能控制.基于各種智能控制方法都有其優(yōu)勢和不足若能將兩種和兩種以上智能控制方法適當?shù)亟Y合起來吸取各自的長處則可組成比單獨-種控制系統(tǒng)性能更好的綜合(集成智能控制系統(tǒng)4].針對不同污水處理工藝建立不同綜合(集成智能控制系統(tǒng)是主要研究方向之一這種綜臺(集成)智能控制系統(tǒng)可能是神經控制與另外一種或幾種智能控制技術的結合或者是神經控制與傳統(tǒng)控制技術的結合,如模糊神經控制系統(tǒng)、模糊神經網絡自學習控制系統(tǒng)、神經模糊推理系統(tǒng)、基于遺傳算法的神經控制系統(tǒng)、神經網絡專家智能協(xié)調控制及神經PID控制等.(2)神經網絡固然功能強大但并不是所有的過程參數(shù)都適合用神經控制.因此仍然應加強對污水生物處理的活性污泥數(shù)學模型研究建立規(guī)范適用的模型參數(shù)測量方法體系通過理論和應用研究確定不同污水處理工藝中的不同過程控制參數(shù)分別適用的控制方法并最終確定智能控制和模型控制的結合方式.(3)污水處理過程象其它工業(yè)過程--樣會由于不確定因素和外界的干擾而出現(xiàn)故障,且污水處理過程中的不確定因素比一般工業(yè)過程更多,出現(xiàn)故障的可能性更大.因此如何在故障出現(xiàn)之前做到準確預測分析以避免或減少故障給正常生產帶來的不便和經濟損耗是污水處理廠面臨的重要課題.根據已積累的污水廠運行管理的經驗利用神經網絡和專家系統(tǒng)等智能方法建立通用性預測與故障分析系統(tǒng)是解決這--問題的出路.中國煤化工(4)-直以來困擾污水處理廠自動控制的一個重要因素MYHCNMHG質.污水處理過程的重要參數(shù)是污水進出水水質參數(shù)而反應污水水質的最重要參數(shù)一有 機污染物濃度( BOD或COD )至今還沒有實時在線傳感器因此用神經網絡將這些難以實時檢測的參數(shù)與污水處理的-些易檢測過程參數(shù)聯(lián)系起來建立其可靠的相關關系，從而間接實現(xiàn)對污水水質參數(shù)在線實時檢測的目的，這就是所謂的軟測量”技術.值得涇戇的是這些參數(shù)之間的相關關系會隨不同污水種類、不同污水處理工藝及工藝運行而有所區(qū)第3期肖勝中,等神經網絡在污水處理中的應用21別.(5)雖然已經積累了相當豐富的污水處理理論與實踐知識人們對污水處理過程的認識還不夠深刻.應積極開展利用分子生物學技術和生化分析技術對活性污泥混合液中的活性生物量進行測量的研究在此基礎上研制出可用于實際污水處理過程的優(yōu)質可靠的生物傳感器.3結語神經控制特別適用于具有不確定性和高度非線性的多變量污水處理系統(tǒng)的控制.針對不同污水處理工藝建立不同綜合(集成)智能控制系統(tǒng)是今后污水自動控制的主要研究方向之一.此外加強對污水生物處理的活性污泥數(shù)學模型研究并確定智能控制和模型控制的結合方式、根據已積累的污水廠運行管理經驗利用神經網絡和專家系統(tǒng)等智能方法建立通用性預測與故障分析系統(tǒng)、用神經網絡實現(xiàn)軟測量”、研制可用于實際污水處理過程的優(yōu)質可靠的生物傳感器等都是有待于進一步研究的內容.參考文獻:[ 1 ]Wang Zhimin. Special Issue on Fuzry Logie and Neural networ[ J]. IEEE Transaction on neural networks ,1992 3( 5)58 - 84.[2王耀南.智能控制系統(tǒng)M].長沙湖南大學出版社,1995.[3李士勇.模糊控制、神經控制和智能控制論第二版I M ].哈爾濱哈爾濱工業(yè)大學出版社,1998.[ 4劉增良.模糊技術與神經網絡技術選編M ].北京北京航空航天大學出版社2001.Application of Neural Network in Wastewater Treatment SystemXIAO Sheng: zhong' 2 ZHANG Xin zheng2 ,WU Qi-feng'( 1. Department of Mathematics , Guangdong Agriculture Industry Business College ,Guangzhou 510507 , Guangdong , China ; .2. Automatic Faculty College , Guangdong University of Technology , Guangzhou 510080 , Guangdong , China ;3. Department of Mathmatics , Shaoguan University , Shaoguan 512005 , Guangdong , China )Abstract : The development and perfection of WNN have made foundation for various fields including wastewater treat-ment and complicated nonlinear system. ,It is important to control wastewater treatment system process by means of WNNtechnology , In this paper , the different roles of WNN in automation of wastewater treatment plant were discussed , andthe further investigated problems were given.Key words : neural network iwastewater treatment ; automatic control ; neurocontrol(責任編輯王桂珍)中國煤化工MHCNMHG