污水处理中溶解氧浓度（DO）的自适应模糊控制研究

　　活性污泥法是城市污水处理的主要工艺之一，其机理是通过曝气使活性污泥与污水在充分接触的情况下得到足够的氧气，水中的可溶性有机污染物被活性污泥吸附，并被存活在活性污泥上的微生物分解，使污水得到净化。因为污水处理过程的内部机理非常复杂，无法用精确的数学模型进行描述，因此，采用传统的控制策略（如典型的PID控制）难以获得满意的控制效果。作为智能控制的重要分支之一的模糊控制不依赖被控对象精确的数学模型，它能根据误差和误差的变化实现对被控变量的控制，具有较强的鲁棒性，被控对象参数的变化对模糊控制的影响不明显，可用于非线性、时变和时滞系统的控制，控制的实时性较好，控制机理符合人们对过程控制的直观描述和思维逻辑[1]。
　　
　　同时，在模糊控制器的设计中采用可调整的模糊控制规则，能显著提高和改善模糊控制器的稳定性和自适应能力。国内彭永臻等人[2]提出以DO作为SBR法的模糊控制参数，实现对曝气量的控制。王先路等人[3]以出水COD偏差和偏差变化为输入，泵的开度为输出设计了一种模糊控制器，实现COD的模糊控制。但是，在采用模糊控制系统的污水处理过程中存在一个最大的问题，就是控制系统的稳定性和自适应能力。由于模糊控制存在的PD控制作用以及水环境的不断变化，大多数系统的控制效果震荡明显，稳定性和自适应能力不佳。

　　本文以序批式活性污泥法（SBR）为基础，针对污水处理中溶解氧浓度（DO）的变化对污水处理过程的影响，研究设计了引入调整因子的污水处理DO自适应模糊控制系统，通过调节鼓风机频率，将DO稳定地控制在理想的位置，提高了污水处理效率，并使该控制系统具备了较好的稳定性和自适应能力。

1.SBR简介及控制策略

　　序批式活性污泥法（SBR）是一种间歇运行的污水生物处理工艺，自上世纪80年以来得到快速发展，非常适合中小型污水处理厂。它的运行过程包括进水、反应（曝气）、沉淀、滗水及闲置等五个阶段，与活性污泥法相比无须一沉池与二沉池，五个阶段都在同一个反应池中进行。目前，SBR的控制方法主要是时间程序控制，处理过程的五个阶段根据提前设置的时间序列依次进行，通过采用可编程控制器（PLC）可以方便的实现自动控制，这也是其得到广泛推广应用的原因之一。

　　在SBR法污水处理过程中，生物氧化环节（曝气环节）是其中的核心部分，在这一环节中，以好氧菌为主体的微生物通过生化反应处理污水中的有机污染物，决定其处理效果的关键因素之一是生化池中的溶解氧浓度（DO）[4]。由于原水水质往往在不断的变化，在某些环境下还可能剧烈波动，这就使得按传统的时间程序控制法进行控制存在很大的弊端，曝气时间长或者曝气量大会造成大量能源的浪费，曝气时间短或者曝气量小又可能使出水水质波动大甚至不达标，所以采用固定时间固定风量进行曝气是与污水反应的实际过程相脱离的。根据国内学者的研究，DO保持在2mg/L左右，活性污泥的处理效果最理想[5]。而且，以DO值作为SBR法的模糊控制参数能够在保证出水水质的前提下尽可能多地节省运行费用，并能避免曝气量的不足或反应时间过长而引起的污泥膨胀。所以，如何将DO控制在理想状况下，就成为提高处理效率的关键。

2.DO自适应模糊控制系统

　　本系统的风机转速由变频器调节，其控制原理是首先将设定值与检测值进行比较得到精确量E和EC，通过模糊化变换成模糊量，再根据由大量实验数据和专家经验得出的模糊知识库把模糊输入量进行模糊推理得到相应的模糊控制量，经模糊判决将模糊控制量转化为精确控制量输出，从而实现对曝气量的控制，进而调节池中的DO浓度。

2.1模糊控制器的结构选择

　　所谓模糊控制器的结构选择，就是确定模糊控制器的输入输出变量。模糊控制器的结构对整个系统的性能有较大影响，必须根据被控对象的具体情况合理选择。模糊控制器的结构主要分为单输入-单输出（SISO）结构和多输入-多输出（MIMO）结构。根据污水处理的实际过程，该系统采用典型的双输入单输出二维模糊控制器，输入变量分别为DO的偏差E和偏差变化率EC，输出变量U为变频风机的频率VRI。

2.2模糊语言变量及论域的确定和模糊化

　　模糊规则是由若干语言变量构成的模糊条件语句，它们反映了人类的某种思维方式。在确定模糊变量时，首先确定其基本的语言值，再根据需要生成若干个语言子值。一般来说，一个语言变量的语言值越多，对事物的描述就越准确，可能得到的控制效果就越好。但是，过细的划分会使控制规则变得复杂，实现起来更困难，因此应根据具体情况而定。
在本系统中，对E、EC和U的模糊子集规定为：
E=EC=U={负大(NB)，负中(NM)，负小(NS)，零（ZO），正小(PS)，正中(OM)，正大(PB)}
E的基本论域为：（-0.6，0.6），语言变量为：{-6，-5，-4，-3，-2，-1，-0，0，1，2，3，4，5，6}；
EC的基本论域为：（-0.15，0.15），语言变量为：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；
U的基本论域为：（-4，4），语言变量为：{-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7}；

2.3模糊控制规则的确定和模糊控制表的建立

　　在模糊控制系统中，模糊控制器的性能对系统的控制特性影响很大，而模糊控制器的性能在很大程度上取决于模糊控制规则的确立及其可调整性。我们采用经验归纳法，根据手动调节风机频率来改变DO的经验，总结出四十九条规则，其形式为“IF E= ┅ and IF EC= ┅ then U=┅”。所有的控制规则库如表1所示。
表1 模糊控制规则表
EC ENBNMNSZ0PSPMPB
NBPBPBPBPMPSPSZ0
NMPBPBPMPMPSZONS
NSPBPMPSPSZONSNM
ZOPBPMPSZONSNMNB
PSPMPSZONSNSNMNB
PMPSZONSNMNMNBNB
PBZONSPSNMNBNBNB

　　根据模糊控制规则表，对输入变量采用最大隶属度法进行反模糊化，经离线计算得到每一个状态的模糊控制器输出，制成如表2所示的模糊控制表。
表2模糊控制表
E
EC-6-5-4-3-2-10123456
-67777777765420
-57777777654310
-4777766654320-1
-377666554321-1-2
-26655544310-1-2-3
-1654432210-1-2-3-4
05432100-1-1-2-3-4-5
14320-1-2-2-3-3-4-5-6-6
2321-1-2-3-4-5-6-6-6-7-7
321-1-2-4-5-6-7-7-7-7-7-7
410-2-4-6-7-7-7-7-7-7-7-7
50-1-3-5-7-7-7-7-7-7-7-7-7
60-2-4-6-7-7-7-7-7-7-7-7-7

常规的二维模糊控制其中，输出变量值决定于输入量E和EC，并且它们的权系数各为0.5，一旦设计完成，其控制规则也就被确定了，而水处理过程中，水质是不断变化的，这显然不利于控制系统的稳定。鉴于此，我们引入调整因子对控制规则进行调整，以使其对变化的水环境具备自适应能力。带有调整因子的控制规则可表述为：ｕ＝－[αＥ＋（１－α）Ｃ]，０＜α＜１。式中的α就是调整因子，也称加权因子。我们根据在线监测仪所测得的COD值来调整α的大小，α的变化范围（0，1）与COD范围（0，1000）（mg/L）成线形对应关系，COD每变化100mg/L，α对应变化0.1，这样系统就自适应地改变误差E和误差变化EC的加权程度。

3.模糊控制系统运行结果

3.1实验系统装置

　　本实验系统是一套小型SBR污水处理系统，分为上位机和下位机部分，下位机采用PLC控制，上位机是工控机和组态王，具有良好的人机界面，自适应模糊控制算法就嵌入在组态王的脚本程序中。该处理系统的SBR池深1.8M，宽0.8M，长1.5M，有效容积2 M3 。采用鼓风机曝气，布风系统采用Φ70*500 的微孔曝气头，氧气利用率为 18～28%；空气阻力≦150 毫米水柱；溶解氧的控制范围可达 0.5mg/L —10.0mg/L。系统每周期运行2小时，进水10分钟，曝气1小时，沉淀30分钟，滗水20分钟，闲置30分钟，每次排水1M3，与实际工程环境非常接近。

3.2实验结果及分析

　　实验采用我校生活区污水，根据需要配以一定量的葡萄糖来调整实验所需的COD浓度。实验进水COD为860 mg/L，BOD为620mg/L，污泥浓度MLSS为4200mg/L，设定DO为3mg/L，风机频率调节时间间隔60秒。为检验我们设计的模糊控制系统的自适应能力，在运行过程的第40分钟，我们向池中加入相当于300mg/LCOD的葡萄糖，以模拟水质发生突变的情况。运行结果如图2所示，出水COD为37mg/L，BOD为29mg/L，COD去除率达到95.7%，BOD去除率达到95.3%。从图中我们可以看出，在负荷变化的情况下，该控制系统能较好的适应水质变化，过程稳定，具有较好的自适应和抗冲击能力。

4.结论

　　采用包括模糊控制在内的智能控制方法对污水处理过程进行控制已经成为业界的共识，但是，到目前为止真正应用到实际生产中的智能控制技术还不多，主要原因就是污水环境的巨大变化对控制系统的稳定性和自适应能力要求很高，影响控制性能的因素非常多，难以全面考虑。本文针对这一状况，对如何提高控制系统的稳定性和自适应能力进行了深入研究，综合各方面的影响因素提出了引入调整因子的自适应模糊控制系统，经过实验验证，该系统具有很好的稳定性和自适应能力，适合实际工程应用。另外，DO自适应模糊控制系统的建立要有针对性，不同的工况，规则表的建立、时间参数的设定等均不完全一样，与进水有机物浓度、污泥浓度、水力负荷以及反应池的大小均有关系，调整因子的确定与各影响因素的关系还有待进一步研究。

参考文献：
[1] 冯冬青，谢宋和．模糊智能控制［Ｍ］．北京：化学工业出版社，2000．75-93．
[2] 彭永臻等，污水处理智能控制的研究、应用与发展[J]，中国给水排水，2002, 6
[3] 王先路等，污水处理中的COD模糊控制研究[J]，技术纵横， 2002,2
[4] 张自杰，林荣忱，金儒霖。污水的生物处理[M]，排水工程，2000。
[5] 曾薇，彭永臻，张东力等。SBR法曝气量的模糊控制[J]，哈尔滨建筑大学学报，2002，35（1），53—57。