近年来我国水污染问题尤为突出,治理任务相当繁重。由于造纸废水处理的复杂性、非线性、时变性、不确定性和滞后性等特点,单纯的人工操作造成出水水质的稳定性差,出水COD值高。就物化处理中混凝投药和生化处理部分的鼓风曝气环节来讲,投药量和曝气量的控制好坏都直接影响了出水水质。传统控制理论由于自身的缺陷,控制效果也不尽人意,智能控制技术包括神经网络、模糊控制、专家控制等,针对不同环节将这些技术单独或结合传统控制被专家认为是解决废水处理的有效手段。基于此,本文讨论了神经网络、模糊结合传统理论PID在造纸废水处理中的智能控制。 本课题是在本课题组研制开发的国家专利技术高效一体化废水处理技术及设备的基础上,分别采用改进BP神经网络、模糊PID控制方法对基于嵌入式结构的废水系统中的物化处理以及生化处理过程实现智能控制。本文分为两部分来控制：一是造纸废水物化处理中的混凝投药过程采用神经网络控制,二是造纸废水生化处理过程中的鼓风曝气环节采用模糊PID控制。 首先造纸废水物化处理中的混凝投药过程以废水的进水流量、原水COD值、出水COD值、絮凝剂量、助凝剂量等较为典型的水质参数,系统在嵌入式操作系统WinCE的支撑平台上,创建和启动多项任务对这些水质参数进行连续在线监测,并依据参数变化采用神经网络控制策略自动调节絮凝剂的投放量,控制各个泵、电磁阀的工作状态。通过在实验室条件下进行造纸废水处理试验取得的样本数据原水COD值(500mg/l～1800mg/l)、絮凝剂投药量(0mg/l～600mg/l)等对BP神经网络进行训练,建立了造纸废水物化处理过程的网络模型。采用改进的BP控制模型通过原水COD、历史时刻出水COD、以及历史时刻的加药量来求出当前时刻的加药量,在模型输出和测试输出时的最大相对误差为1％,实际模型输出则是在网络开始训练时出现的最大相对误差为12.93％,平均误差达到2.72％。 其次,造纸废水生化处理过程中的鼓风曝气环节采用模糊PID策略实时控制变频器的控制频率,从而控制鼓风机的鼓风量,实现水质参数的闭环控制,使得DO值稳定在2mg/l左右,最大误差为9.09％,平均误差为3.5％。模糊控制模型中,选择DO的变化[-2 2]及其变化率[-2 2]作为控制参数,通过对污水水质波动性的研究和总结大量现场经验,提炼出正确的语言规则并设计出模糊控制表,开发出闭环模糊控制系统,对溶解氧浓度进行反馈控制,从而实现对鼓风曝气过程的自动控制。当系统误差大于0.14mg/l时采用模糊控制；而当系统误差小于0.14mg/l时,采用具有积分作用的PID控制来消除系统的静态误差。从而既可以在保证出水水质的前提下尽可能地节省运行费用,又可以避免因曝气量不足或反应时间过长而引起的污泥膨胀。