由于污水處理的運行費用是龐大的、的，如果通過有效的控制能將城市污水處理廠的運行費用節省1%，也是個天文數字。由此可見，加強城市污水處理系統智能控制的研究非常必要。文章對污水處理智能控制的發展現狀進行了探討。

關鍵詞：污水處理；智能控制；人工智能；神經網絡；模糊控制

污水處理的智能化是行業發展的技術升級與科學發展的具體體現。智能控制是自動控制發展的階段，是人工智能、控制論、系統論和信息論等多種學科的高度綜合與集成，它主 要包括模糊控制、神經網絡控制、學習控制和控制等。智能控制在各種非穩定的動態工程系統中的應用日益廣泛與深入，特別是近年來取得的研究與應用成果更受矚目。

一、國內外自控技術現狀分析

發達在二級處理普及以后投入大量資金和科研力量加 強污水處理設施的監測、運行和管理，實現了計算機控制、報警、計算和瞬時記錄。與相比，我國污水處理自動化控制起步較 晚，進入20世紀90年代以后污水處理廠才開始引入自動控制系統，但多是直接引進成套自控設備，國產自動控制系統在污水處理廠應用很少。近年來，國內外均有學者對污水處理自動控 制工藝進行研究，以尋求更、更可靠的方法實施自動控制。

例如Puznava等在同步硝化/反硝化的生物濾池中引入了實 時曝氣控制，建立了基于DO在線監測的反饋控制和基于氨氮 和DO在線監測的串聯控制。與傳統硝化－反硝化生物曝氣濾 池（BAF）相比，采用實時曝氣控制的生物濾池在達到相同處理 效果（出水TN＜20mg/L）時，曝氣量低于傳統方法的50%。王淑 瑩在已有的時間和流量程序控制的基礎上，提出一種SBR 法有機物濃度控制，使控制過程更定量化和精密化。工業廢水 的水質變化很大，當進水有機物濃度高時，為使出水水質達標，應適當增加反應時間使運行更可靠；而當進水有機物濃度低時 可以減少反應時間以節省運行費用。彭永臻等將ORP作為SBR 反應器有機物降解程度間接指標的研究結果表明，無論是在很 大范圍內改變曝氣量或者改變MLSS濃度，還是使反應初始 COD在230～2180mg/L之間逐漸變化或突然變化，當COD達到 難降解濃度時，ORP都迅速、大幅度地升高，隨后又很快趨于平 穩，并在某一特定范圍內穩定下來。因此，可以用ORP作為SBR 法反應時間的計算機控制參數，實現計算機在線自動控制。 通過以上對污水處理現狀分析，得出以下問題：合理數學 模型的建立嚴重制約著傳統污水處理技術的發展，并且建模必 須遵循一些比較苛刻的線性化假設，然而實際污水處理系統由 于存在復雜性、非線性、時變性、不確定性和不*性等，因此 采用傳統控制理論建立的污水處理自動控制系統在實際工程 應用上存在出水水質波動較大等問題。污水處理自動控制系統 中所采用的一些自動化檢測設備、儀表的功能目前還很不完 善，在實際檢測中達不到預期效果、誤差很大，因此依靠這些檢 測設備判斷污水處理情況并實施自動控制，往往很難達到處理 水質達標排放和節約能源的目的。污水處理自動控制有別于其 他控制系統，它需要對大量閥門、泵、鼓風機和吸（刮）泥機、曝 氣池和污泥消化池內的攪拌器等機械設備及沉淀池和消化池 進、排泥量進行控制，因此污水處理廠需要自動控制的開關量 多，它們常常要根據一定時間或邏輯順序定時開/停，然而目前 我國生產的閥門質量存在一些問題，使用壽命較短，如果從進口價格又很昂貴，一般污水處理廠很難承受，因此筆者認 為制約我國污水處理自動控制發展的主要原因不是生產工藝 問題而是設備問題。

二、智能控制技術的應用與發展

隨著科技的發展和市場運作的成熟，智能控制特別適用于 復雜的污水處理動態過程的控制，因此近年來智能控制在美 國、歐洲、日本的給水處理、污水生物處理、污水的物理化學處 理中都有典型的成功應用。作為智能控制重要分支的模糊控 制、神經網絡控制、控制和自學習控制等除了應用到工業 過程控制以外，已經擴大到軍事、醫學、高科技領域。

（一）模糊控制

模糊控制（Fuzzy Contro）l能將操作者或的控制經驗和 知識表示成語言變量描述的控制規則，然后用這些規則去控制 系統。因此，模糊控制特別適用于數學模型未知的、復雜的非線 性系統的控制。正是基于模糊控制這些特點，近年來它已成為 污水處理系統的研究。

1980年Tong等將模糊控制應用到污水處理中，將出水 BOD、SS、曝氣池MLSS、DO及出水氨氮濃度、回流污泥量等監測 數據作為輸入變量輸入該系統，“模糊化”以后再與“規則集”進 行匹配，隨后確定相應的控制手段，zui后通過反模糊化得到量 化的具體信號來實施控制。Flanagan利用Olsson等提出的曝氣 池DO控制技術，以沿池長的DO濃度變化曲線來估計曝氣池中 底物利用效率和微生物活性。他的知識庫中的知識不僅有根據 工藝狀態確定采用何種控制措施這一類啟發性規則，而且還有 DO曲線特征及相關工藝狀態方面的知識。

與常規活性污泥法相比，高純氧活性污泥法對控制的要求 更加嚴格。由于過程滯后和噪聲干擾，此系統兩種常規反饋控制 在控制過程中經常出現問題。為此Yin等人研究了四種模糊邏輯 控制系統，結果表明在正常條件下，模糊控制比常規的反饋控制 更加節約能源、減少DO波動、穩定進水流量和出氣流速。

Manesis等人對一個前置反硝化污水處理廠進行了模糊控 制系統研究。他們以反應器中氨氮、硝態氮、DO、溫度、MLSS和 二沉池進出水BOD的差值作為模糊控制系統的輸入變量，以曝 氣區供氧速率、好氧區向缺氧區的回流速率以及二沉池向反應 器的污泥回流速率作為輸出變量，以處理廠操作人員的經驗建 立模糊控制規則，并在希臘Patras污水處理廠進行了仿真，取得 了較好的結果。

（二）神經網絡控制

基于人工神經網絡的控制（ANN—basedContro）l簡稱神經控制 （NeuralContro）l。神經網絡是由大量人工神經元廣泛聯結而 成的網絡，它具有很強的自適應性和學習能力、非線性映射能力 和容錯能力。神經網絡因具備上述特點，近年來越來越受到國內 外污水處理的重視，并在污水處理自動控制系統中開展人工 神經網絡控制研究，取得了許多具有應用價值的成果。 研究者研究開發了一種基于時間延遲神經網絡模型 的在線廢水水質預測系統。他們先提出采用多層感知器 （MLP）網絡模型對所建立的時間延遲神經網絡（TDNN）的輸入 節點進行篩選，zui后得到一個輸入TDNN模型，網絡經過訓練以 后，其對廢水處理預測精度均優于標準MLP模型。Gontarski等應 用BP算法人工神經網絡預測一個工業廢水處理廠的出水水質， 試驗中共使用了7個神經網絡，每一個反應器用一個神經網絡， zui后一個神經網絡用來預測出水TOC的變化。試驗結果表明，廢水的流量和進水pH值是廢水處理廠重要的控制參數。

（三）控制

控制（Expert Contro）l是智能控制的一個重要分支，又 稱智能控制。所謂智能控制，是把系統的理論和 技術同控制理論、方法與技術相結合，在未知環境下仿效 的智能，實現對系統的控制。20世紀90年代就有學者開始 研究采用系統智能控制技術來實現污水處理的自動控制， 并取得了有效成果。

Barnett建立了一個基于規則的系統，用于污泥厭氧消 化的故障診斷。整個過程由計算機進行模擬，過程變量包括消化池的輸入輸出及表征池內狀態的9個參數，控制變量是進泥量、回流污泥量、稀釋水量和調節pH值的酸堿投量。另外，研究者為系統界定5類消化工藝運行不正常狀態，每類狀態又 細分為注意、警告、危急和恢復正常等幾類亞狀態。這些狀態和 亞狀態再與相關的控制措施相對應，即不正常狀態的類型和程度決定了該采取什么樣的控制手段，以便使消化恢復正常。通過以上分析可知，智能控制技術在污水處理中應用較晚 （只是近20年才逐漸得到應用），而且大多數仍停留在實驗室研究階段，很多地方還很不完善。以神經網絡控制為例，目前研究 較多的模型屬于靜態模型，在一定程度上不太適合污水處理在線控制，因為活性污泥法污水處理隨時間變化較大而且具有較 大滯后性。因此，建議從事污水處理智能控制的科研人員以實 際污水處理廠為研究目標，找出各種控制參數隨時間的變化規律，運用動態模型建立污水處理智能控制系統。

三、結語

雖然智能控制已成為污水處理的研究與應用中的前沿與，但國內外仍處于廣泛應用的初級階段。與發達相比，我國在污水處理的基本理論、工藝流程和工程設計等方面并不明 顯落后，但是在運行管理與自動控制方面卻存在著較大的差距。 目前，我國城市污水處理廠的噸水耗電量是發達的近兩倍，而運行管理人員數又是其若干倍，因此加強我國污水處理系統智能控制的研究與應用具有重要的科學意義與應用價值。由于智能 控制的*性及其研究與應用的迅速發展，目前許多城市污 水和工業廢水處理廠正在通過技術改造向實現智能控制方向過 渡。我國應當在現有條件的情況下，在污水處理廠的規劃、設計與建設初期就盡可能采用或部分采用智能控制。