研究基础及工作条件
1.研究基础
研究团队由10个人员组成，其中教授2人，副教授2人，讲师2人 及研究生4人，具有博士学历的共6人。我们多年来一直从事自动化、 人工智能、最优控制、环境科学等领域的教学与科研工作，在流程工 业的数学建模方法、软测量方法、复杂系统建模方法及优化控制算法 等方面已开展了大量的理论研究工作，具有丰富的生产过程建模和控 制系统、水环境保护的科研工作经验，取得了许多成果。
粒子群算法原理
PSO模拟鸟群觅食的过程, 每个优化问题的解都是搜索空 间中的一只鸟,称之为粒子.所有 的粒子都有一个由被优化的函 数决定的适应度值。每个粒子 还有一个速度决定它们飞翔的 方向和距离. 初始化为一群随机 粒子。然后,粒子们就追随当前 的最优粒子在解空间中搜索找 到最优解.
粒子
最佳位置 粒子 粒子
模糊控制的进一步研究
2.模糊Smith-PID控制 目的：解决处理过程中存在的时滞问题
四 软测量技术
1 2 3 4
软测量技术概要 基于RBF人工神经网络的软测量 人工神经网络的软测量 基于 基于过程神经网络的软测量 基于混合机理模型的软测量
1.软测量技术概要
软测量概念
把自动控制理论与生产工艺过程知识有机结合起来，应用计算 机技术，对于一些难于测量或暂时不能测量的重要变量(称之为主 导变量)，选择另外一些容易测量且与其有关的变量(称之为辅助变 量或二次变量)，通过构造某种以辅助变量为输入、主导变量为输 出的数学模型，用计算机软件实现主导变量的估计。
遗传算法
特点： 1．自组织、自适应和 自学习性； 2．群体搜索特性； 3. 内在启发式随机搜 索特性。 .
粒子群算法
特点： 1. 以较大的概率保 证最优解； 2. 提高局部区域的 收敛速度； 3. 实施过程简单。
1.遗传算法优化实现步骤
构建 RBF神经网络
遗传 算法优化
获得最优值
Phase 1
Phase 2
优点：模糊控制不需要被控对象的数学模型
鲁棒性和适应性好 容易理解
污水处理模糊控制系统结构图
模糊控制规则表的建立
E EC NB NM NS 0 PS PM PB PB PB PB PB PM Z0 Z0 PB PB PB PB PM Z0 Z0 PM PM PM PM Z0 NS NS PM PM PS Z0 NS NM NM PM PM PS NS NS NM NM PS PS Z0 NS NM NM NM Z0 Z0 NM NM NB NB NB Z0 Z0 NM NB NB NB NB NB NM NS N0 P0 PS PM PB
• SBR法的五个运行阶段：进水，反应，沉淀，排放，闲置 法的五个运行阶段：进水，反应，沉淀，排放， 法的五个运行阶段 • 运行特点：序列间歇 运行特点：
SBR污水处理系统实验装置介绍 污水处理系统实验装置介绍
DO 传 感器 进水 滗水器 反应池 调节池 中间池 滤罐 储水池 出水管
进水泵 鼓风机 加压泵
BOD机理模型
Qa(DOs−DO ) 2 Qa(DOs−DO ) Qa(DOs−DO ) S =m t +m t +m +m t2 +m t +m 5 6 1 2 3 4 X X X
辅助变量：微生物浓度（浊度）X、曝气流量Qa、 废水 温度t、 溶解氧浓度DO、饱和溶解氧浓度 主导变量：BOD (S) m1 ~ m6 为计算出的常数
污水处理系统的优化、智能控制 污水处理系统的优化、 及软测量
北京金控自动化技术有限公司 北京工商大学
Company
LOGO
Contents
污 水 处 理 系 统
1
系统概述 2 3 4 过程优化 智能控制 软测量技术
5
研究团队及承担项目介绍
一、系统概述
SBR法简介 • 工艺流程：
空气 进水 一沉池 污泥 污水 曝气池 回流污泥 剩余污泥 图 3.1 活性污泥法处理流程 二沉池 净水
1 8 0
2 1 0
2 4 0
3.基于过程神经网络的软测量
原理：
wij(t)
x1(t) x2(t)
∑∫, f
∑∫, f ∑∫, f ∑∫, f
∑∫, f
Vj(t)
∑, g
…
xn(t)
∑, g
y
∑∫, f
特点：输入和权值都可以是时变 选用进水TOC、DO、MLSS 作为二次变量
给定学习精度，最大训练次数，选取输入空间的一组正交基函数 将采集到的数据拟合成函数形式， 然后在选定的正交基下将输入函数展开
二次变量 可测过程扰动 可测过程输入 可测过程输出
校正值
软测量模型
主导 变量估计值
软测量模型
软测量模型的建立流程
了解工艺流程和控制系统； 了解工艺流程和控制系统；
机理分析， 机理分析，选择二次变量
明确软测量任务；确定主导 明确软测量任务； 变量； 变量；初步选择二次变量
定二次变量的测量数据 和主导变量的化验数据、 和主导变量的化验数据、 数据校正、数据变化、 数据校正、数据变化、 数据相关性分析、 数据相关性分析、主元 分析、 分析、主成分分析
计算机
上位机
下位机
水处理设备控制软件—组态王
6.53
污水处理课题研究内容介绍
1 2 3
过程优化
智能控制
软测 量技术
污水处理课题研究内容介绍
出水条 件、优 化指标
过程优 化，获 得DO曲 线
工艺参 数测量
对DO 进行优 化模糊 控制
水处理 系统及 其模型
出水 BOD 软测量
二、过程优化方案
过程优化方法
N
4、基于混合机理模型的软测量技术
基本步骤：
智能 算法
BOD仪表
误差补偿 硬件实现
二阶泰勒展开 公式推导
劳仑斯 —麦卡蒂 麦卡蒂 公式
机理 模型
混合 机理模型
化学公式基础
经典的劳伦斯——麦卡蒂模型
半速率 常 数
s r = r ax m ks +s
饱和常 数 有机底 物浓 度
最大底物降 解速率
泰勒展开及公式推导
进水BOD
MLSS ┆
BOD
反应时间
优点 • 网络训练速度快 • 避免局部极小问题
辅助变量选择
• 进水BOD值 • DO值 • 污泥浓度 • 反应时间
仿真效果
7 0 0 6 0 0
5 0 0
TOC mg/L
4 0 0
3 0 0
2 0 0
1 0 0
0
0
3 0
6 0
9 0 1 2 0 t im e (m in u t e )
初始化粒子以 及粒子速度
粒子适应度检测
粒子速度更新 离子位置更新 当前值 优于Pbest？ 是 Pbest=当前值 是 当前值 优于Gbest？ 是 Gbest=当前值 否 满足 收敛准则？ 是 Gbest=当前值 否
否
输出Gbest
系统实现
MATLAB 6.5：RBF神经网络的建模、优化算法和模糊规则 的编写
补偿公式及仿真结果
补偿公式
a × y(n−1 +a2 × y(n−2) +b ×u(n−1 +b ×u(n−2) ) ) 2 1 1
仿真结果
软测量仪表的硬件实现
软测量申请专利 软测量技术取得专利
国家发明专利号： 国家发明专利号：200910079704.1
实用新型专利号： 实用新型专利号：200920106062.5
7 6 6 4 3 3 2 1 -1 -2 -3 -6 -6
7 6 6 4 3 2 2 0 -1 -2 -4 -6 -7
7 6 6 4 2 1 1 0 -2 -4 -6 -6 -7
7 6 6 4 2 1 0 0 -2 -4 -6 -6 -7
7 6 6 4 2 0 0 -1 -2 -4 -6 -6 -7
污水处理中软测量技术解决方案
• 主导变量选择：出水水质BOD5(生物化学需氧量)
污水处理中引入软测量的必要性
• BOD5反映出水水质状况 • 化学测定时间长 • 传统设备价格昂贵，误差大，无法实现闭环控制
2.基于 基于RBF人工神经网络的软测量 基于 人工神经网络的软测量
原理
输入层 隐层 输出层 DO值
Visual Basic 6.0环境下设计了可视化人机界面
通过ActiveX自动化技术实现了MATLAB与VB的数据传输。
三、智能控制
模糊控制
常规模糊控制
.
可调参数的模糊 控制
模糊控制原理
对实践经验加以总结和描述，并用语言表达出来， 就会得到一种定性的、不精确的控制规则。用模糊数学 将其定量化，就转化为模糊控制算法，从而形成模糊控 制理论。
6 4 2 0 -2 -3 -4 -4 -5 -6 -6 -7 -7
常规模糊控制效果图
可调参数的模糊控制效果
模糊控制的进一步研究
1.自适应模糊控制系统 自适应模糊控制系统 目的：提高模糊控制适应变化的能力 目的：
模糊控制的进一步研究
研究优化控制方案对SBR水处理装置处理效果和能耗 研究优化控制方案对SBR水处理装置处理效果和能耗 的影响， 的影响，结果表明由模糊控制实现优化控制方案比传统控制 方法节省18%-32%。 方法节省18%-32%。
具体状态查询表
E EC -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 -6 -5 -4 -3 -2 -1 -0 0 1 2 3 4 5 6
7 7 6 6 5 4 4 3 2 0 -2 -4 -6
7 6 6 5 4 4 3 2 1 -1 -3 -5 -6
7 6 6 5 4 3 3 2 0 -1 -3 -5 -6