膜生物反应器(Membrane Bioreactor,MBR)具有管理方便、操作灵活等特点,目前已广泛应用于城市污水处理过程。然而,在MBR应用过程中,膜污染是不可避免的问题。膜污染不仅会影响MBR分离性能从而造成出水水质下降,而且甚至会导致整个污水处理工艺崩溃,影响污水处理过程的稳定性。因此,如何对膜污染状况进行准确识别,从而为水厂现场操作工人提供相应的预防和应对措施支持,已成为国内外学者广泛研究的问题。然而,MBR污水处理过程具有多流程、时变、不确定等特点,其污染状况的准确识别仍然是当今研究的难题。为了实现污水处理过程稳定高效运行,保证MBR的良好性能,文中设计了一种MBR污染智能识别方法。首先,深入研究膜污染的机理,构建了基于堆叠去噪编码器的膜污染软测量方法,实现了膜污染关键指标变量的在线精准预测,从而更好地评估膜污染状况;其次,结合模糊集理论,设计了基于模糊去噪编码器的鲁棒深度神经网络,克服了传统的深度神经网络对不确定性的鲁棒性差的缺点,提高了网络识别性能;然后,分析影响膜污染的过程变量和对应操作建议,构建了专家知识库,建立了基于鲁棒深度神经网络膜污染识别方法,实现了精确识别不同膜污染类型,同时提供操作建议支持,从而有效缓解了膜污染;最后,开发了膜污染智能识别系统,实现了膜污染关键指标的监测和膜污染类型的在线智能识别,从而降低了膜污染的发生率,提高了污水处理过程的稳定性。该论文的主要研究工作如下:1.MBR污染软测量方法设计;在MBR污水处理实际运行中,通常采用关键指标评估膜污染情况。针对膜污染的关键指标难以实时检测的问题,文中提出了一种基于堆叠去噪编码器(Stacked Denoising Autoencoder,SDA)的膜污染软测量方法。首先,基于膜污染机理,确定了方法的输入和输出变量。其次,设计了一种自适应BP算法更新深度神经网络参数,提高了该膜污染软测量方法的学习速度;最后,采用基于无监督和有监督相结合的优化算法更新MBR污染软测量方法的学习参数,提高了学习性能。实验结果显示,基于SDA的MBR污染软测量方法具有比其他算法更好的预测精度。2.基于模糊去噪编码器的鲁棒深度网络设计;针对膜污染过程具有很多不确定性的问题,文中提出了一种基于模糊去编码器的鲁棒深度神经网络(Robust Neural Network,RDNN)。首先,设计了一种新的基本单元-模糊去噪编码器(Fuzzy Denosing Autoencoder,FDA),以构建RDNN,提取了数据之间的鲁棒性表征,从而弱化了不确定性;其次,提出了一种参数简约策略(Compact Parameter Strategy,CPS),减少了RDNN的冗余学习参数,从而减轻了RDNN的计算负担,加快了网络学习速度;最后,采用自适应BP算法,更新RDNN的学习参数,从而提高了网络性能。实现结果表明,所提出的RDNN具有良好的鲁棒性。3.基于RDNN的膜污染识别方法设计;针对MBR污染类型难以准确判断的问题,文中提出一种基于RDNN的膜污染识别方法。首先,基于膜污染机理和专家经验,建立了知识专家库;其次,设计了一种基于RDNN的膜污染识别方法,实现了膜污染类别在线准确识别;最后,为了验证该膜污染识别方法的有效性,将其应用到实际的MBR污水处理厂中。实验结果表明,所设计的基于RDNN的膜污染识别方法能够以优于其他方法的精度识别不同的膜污染类型。4.MBR污染智能识别系统设计;为了实现上述所设计的智能识别方法在实际MBR污水处理厂的应用,文中开发出一套膜污染智能识别系统。首先,搭建MBR污水处理过程数据的采集与传输平台,实现数据的采集与传输;其次,开发MBR污染智能识别系统实现MBR污水处理多个关键指标监测、膜污染类型识别等功能;最后,将所开发的MBR污染智能识别系统运行在北京市某污水处理厂,从而对所开发的MBR污染智能识别系统进行实际应用测试。实验结果表明,该MBR污染智能识别系统能够有效减少膜污染发生率,有利于污水处理过程的稳定运行。