污水生化处理是一个随机、时变和耦合的复杂过程,传统的优化控制方法难以有效应用。智能控制和鲁棒控制等控制理论的引入能有力推动污水处理研究的发展。最小二乘支持向量机、小增益定理、Kharitonov定理、回路成形、V-gap理论、遗传算法和粒子群算法等作为研究工具在许多领域有了广泛的应用,但应用在污水处理领域的研究还很少。本文在总结前人对上述算法和污水处理系统研究的基础上,将相应算法进行改进和综合,应用于污水处理系统的出水水质参数预测和鲁棒优化控制,为污水处理厂的优化控制提供了理论依据,并取得了一定的研究成果。本文的主要研究内容概括如下:1.生化需氧量(BOD)是监测水体中有机物污染状况的重要指标,反映水体被有机物污染的程度,但这一指标很难实现在线监测和利用该指标进行反馈控制。针对这一问题,本文提出了一种在线更新Gustafson-Kessel(GK)模糊聚类和最小二乘支持向量机相结合的算法。为了提高在线运算速度和减少存储空间,GK模糊聚类算法对相似聚类合并;在线递推最小二乘支持向量机过程中,采用一种带时间窗型在线稀疏算法,利用快速留一交叉验证法(Fast Leave-One-Out Cross-Validation,简称FLOO-CV)删除对模型整体性能影响最小的冗余样本。将该算法应用于污水处理出水水质指标BOD的预测,实验结果表明本文提出的方法预测结果精度更高,运算速度更快。2.以回流的微生物浓度为控制变量,对污水处理不确定模型通过线性分式变换进行简化。通过小增益定理或Kharitonov定理将控制目标转换为不等式约束凸优化问题,采取遗传算法对控制器参数寻优。将该算法应用于简化的活性污泥数学模型的回流微生物浓度控制,相对传统的鲁棒控制器设计方式,避免了解复杂的Riccati方程,计算简单,控制器阶次低,更易于工程上的实现。仿真结果表明了该方法控制性能优良,鲁棒性能较好。3.溶解氧浓度是污水生化处理过程中的一个重要参数。溶解氧浓度模型是一种典型的不确定时变系统,其系统复杂,普遍存在参数变化,有外干扰等问题。传统控制手段难以有效的控制溶解氧浓度。针对模型不确定性,本章在间隙度量的基础上,提出了一种基于线性矩阵不等式技术的?H回路成形方法,设计了基于间隙度量的溶解氧浓度鲁棒控制器。该算法通过?H回路成形和V-gap理论将控制问题转换为凸约束优化问题,然后对遗传算法和粒子群算法进行比较,最后采取粒子群算法对鲁棒控制器参数进行寻优,得到一个低阶控制器,避免了复杂的计算。仿真结果证明该控制器能够很好地克服不确定模型带来的模型误差和抑制干扰。4.生物硝化、反硝化处理是脱除废水中硝态氮的有效手段。基于脱氮反应机理,通过探讨生物脱氮反应过程的动力学方程式和子过程相关化学计量关系式,比较有效地构建了活性污泥法简化硝态氮数学模型。根据简化硝态氮数学模型,污水处理厂需要通过调整生化反应池中的有机碳和硝酸氮等组分的浓度,实现硝态氮的去除。考虑同时存在参数、结构及干扰的不确定性,提出基于?H理论和遗传粒子群算法的鲁棒控制器设计算法。该算法根据系统的标称性能、鲁棒稳定性和鲁棒性能条件,将控制问题转换为凸约束优化问题。然后对遗传算法、粒子群算法和遗传粒子群混合算法进行比较和分析。最后采取遗传粒子群算法对鲁棒控制器参数进行寻优。仿真结果表明所提出的设计方法能有效的克服进水波动带来的干扰,相对Ziegler-Nichols(Z-N)和Cohen-Coon(C-C)整定方式,控制效果更好。5.针对污水处理过程能量消耗过大、运行成本高的问题,研究了基于智能算法(遗传算法、粒子群算法和遗传粒子群算法)的污水生化处理系统中关键控制器参数设定值的确定问题。以污水处理系统的运行能耗和出水水质作为目标优化函数,利用智能算法寻优出溶解氧浓度和硝酸氮浓度以“天”为周期的动态最优设定值。然后利用寻优出的每段最优参考值对污水处理系统进行分时段动态控制。通过在国际水协会提供的BSM1(Benchmark Simulation Model no.1)平台上进行优化控制仿真实验,仿真结果表明优化后的系统相对定常设置系统可以降低运行能耗,且以遗传粒子群算法优化的节能效果最好。