污水生物处置系统是以微生物为主体的简单动态过程,它具备变量多、随机影响多而导致的高度非线性;入水水质水量变化引发的过程不平稳;不确认的数学模型;缺少可信的动态监测仪表以及简单的任务拒绝等特性。传统的自动控制技术无法获得理想的掌控效果,而智能控制技术可以获得较为理想的效果。
1 SBR工艺概述 1.1 SBR工艺流程及其特征 SBR(SequencingBatchReactor)污水处理系统使用时间拆分的操作者方式替代传统的空间拆分方式。在流程上只另设一个反应池,兼行水质水量调节、有机物水解和混合液分离出来等功能。
典型的SBR工作流程如图1右图。 SBR工艺具备工艺结构与形式非常简单、处置效率高、运营方式灵活性多变、空间上几乎混合、时间上理想推流、占地面积小和容易再次发生污泥收缩、只要转变运营方式就可以构建同时除去有机物和干氮除磷等优点[2],获得了更为了解的研究和普遍的应用于。然而SBR法同时具备运营操作者简单,无法管理,对自动控制依赖性强劲等缺点。
因此,如何有效地构建SBR法的自动控制是保证系统长时间运营,并进一步提高其运营效率的关键。 1.2 SBR工艺的传统掌控方法 SBR工艺传统的掌控方法分成时间程序控制和流量程序控制两类[2]。时间程序控制主要是根据SBR法的5个运营阶段,即入水、反应、溶解、废气、闲置所须要时间展开预先原作后实行的自动控制。
但废水的水质水量随时间变化很大,有时其有机物浓度差距几倍甚至十几倍,如果按某一完全相同的反应时间掌控SBR系统运营,当入水浓度低时入水水质不合格,当入水浓度较低时反应时间过长,既浪费能耗又更容易再次发生污泥收缩。流量程序控制则是根 据废水流量的变化调整各个阶段所须要时间,并展开自动控制。这两种掌控方法的缺点都在于无法根据水质实际变化情况及时调整运营控制参数,难以实现较好的处置效果。
为了解决传统掌控方法的缺点,必需创建以处置水质为目标的自动控制系统,即不应根据反应器内有机物、氮和磷的浓度的变化来对系统展开掌控。 2 模糊控制在SBR工艺中的应用于 2.1 模糊控制阐述 模糊控制是以模糊数学、模糊不清语言形式的科学知识回应和模糊不清逻辑的规则推理小说为理论基础,使用计算机控制技术包含的闭环控制。
模糊不清控制系统一般来说由被控对象、执行机构、模糊不清控制器、输出/输入模块和测量装置等五部分构成。其构成结构如图2右图[4]。 2.2 模糊控制技术在SBR工艺中的应用于 将模糊控制应用于SBR法,主要是解决问题有机物水解、硝化与鼓吹硝化、生物除磷四个生化过程的在线模糊控制问题。
为了创建SBR法四个反应的模糊控制,专家学者们回应做到了大量研究。曾薇,彭永臻等使用SBR工艺处置化工废水,研究了原水pH值与温度对有机物水解过程的影响以及DO,ORP作为反应时间控制参数的可行性。试验结果表明,原水在有所不同pH值与温度条件下,当有机物超过无以水解程度时,DO和ORP皆不会很快大幅度提高,DO和ORP的这一变化特点可以间接命令有机物水解的程度。因此,以DO,ORP作为SBR反应时间的模糊控制参数是不切实际的。
崔有为,王淑莹等使用SBR工艺处置含盐生活污水,研究了入水的盐度、DO浓度和有机物水解过程三者之间的关系,检验了以DO作为SBR工艺处置含盐污水有机物水解过程中反应时间和模糊控制参数的可行性。 高景峰等为了构建以入水水质为目标的SBR在线模糊控制,系统了解地研究了有所不同入水氨氮浓度、有所不同入水有机物浓度、有所不同污泥浓度、有所不同曝气量、有所不同碱度类型和浓度对SBR法除去有机物和硝化过程中DO,ORP和pH的变化规律,找到DO,ORP和pH都可以作为SBR法除去有机物完结的标志,而DO和pH还可以作为硝化完结的标志,DO还可以调控好氧反应过程中的曝气量;通过研究有所不同啤酒废水投加量、乙酸钠、甲醇和内源排便碳源对鼓吹硝化过程的影响,找到pH和ORP可以联合掌控反硝化时间,通过较为pH有所不同变化速率还可以调控反硝化碳源投加。在以上试验的基础上,以DO,ORP,pH作为SBR法除去有机物、硝化和鼓吹硝化的模糊控制参数,创建了模糊不清控制器,基本构建了SBR法以入水水质为目标的模糊控制的基础研究。
3 结论与未来发展 自20世纪80年代以来,模糊控制技术在污水处理领域的应用于研究逐步了解,并且获得了一定的成果,与此同时也找到了模糊不清控制器自身的问题。如非常简单模糊控制不会导致系统控制精度减少、动态品质变差;使用IF2THEN的掌控规则,不便于控制参数的自学和调整,缺少自适应能力等。如果使用两种或两种以上智能控制技术则可以填补单一技术的缺失。联系有数的研究成果,融合对SBR系统特点和模糊不清控制系统的了解,未来SBR工艺模糊控制的发展可从以下两方面考虑到: 1)与神经网络结合,包含模糊不清神经网络控制系统,即使用神经网络的结构来构建模糊不清逻辑系统。
其基本思想是FNN(FuzzyNeuralNetwork)通过自学算法从典型样本数据中自学参数,自动地调节隶属于函数并产生模糊不清规则,从而获得满足要求的模糊不清模型。 2)与专家系统结合,包含专家模糊不清控制系统(ExpertFuzzyController,EFC)。EFC把人的经验科学知识和解法问题的启发式规则、程序展开模型化,特别强调科学知识的多层次及分类的必须,获取一种非常丰富的传达过程控制科学知识和经验的能力。
EFC在维持模糊不清控制器(FLC)优点的同时,非常丰富了限于于FLC的知识结构及内容,比常规FLC强化了处置简单掌控问题的能力。
本文关键词：模糊,控制,技术,在,SBR,工艺,中的,应用,与,bat365在线官网
本文来源：bat365在线官网-www.madrasdarbar.com