随着近现代工业的迅猛发展,作为人类赖以生存的水资源遭到了极大的破坏,如何控制水资源的进一步恶化,采取行之有效的污水处理方法已成为人类迫在眉睫的头等大事。 对于污水的监测和处理存在着许多方法。目前污水处理厂广泛使用序批式活性污泥法(SBR法)。由于污水中有机物、N和P的检测实时性差,使实际污水处理缺乏有效的控制参数。目前实际采用的方法是按某一既定的反应时间控制污水处理的运行,而且处理质量缺乏可靠性,可能出现处理出水不能达标的问题。实时、准确、经济地测量污水处理指标,从而实现污水处理过程的闭环控制,以节约能源和时间,保证质量,是当前污水处理企业迫切需要解决的问题。 本文从工程应用角度,将软测量方法应用于污水水质指标的实时检测,为污水水质指标的实时检测提供了新的思路。污水处理过程是一种典型的复杂动态生物反应工程系统,具有非线性、时变性、随机性和不确定性等特点,难以建立软测量模型中主导变量和辅助变量的关系。本文将人工神经网络软测量方法应用于污水水质指标的实时检测,充分利用了神经网络很强的非线性逼近能力和学习能力,取得了很好的效果。 本文首先归纳总结了现有的污水处理方法,系统分析了污水水质指标(BOD、COD、N、P等)和在线检测的参数(pH值、氧化还原电位ORP、溶解氧DO)之间的关系,提出了SBR法的软测量模型。该模型以BOD、COD、N、P为软测量的输出主导变量,以pH值、氧化还原电位ORP、溶解氧DO为输入的辅助变量。然后,根据建立污水处理软测量模型的需要,系统研究了污水处理过程参数的仪表检测和实验测定方法。接着,结合SBR法的特点和神经网络建模的特点,分别建立了基于BP和RBF的污水指标软测量模型,并用污水处理的工程实验测定数据,对网络进行了训练和仿真。结果表明,人工神经网络软测量的方法能很好地实现出水指标的实时估计,为实现闭环控制奠定了基础,具有重要的理论意义和工程应用价值。 本文最后给出了今后的研究方向:用遗传算法优化神经网络结构,优化连接权和学习规则的进化;用智能控制方法和技术实现污水处理的闭环控制。