污水处理中溶解氧浓度（DO）的自适应模糊控制研究

摘要：以SBR法为基础，研究了污水处理过程中对溶解氧浓度（DO）的自适应模糊控制。根据实际工况中手动调节曝气量来控制DO所得到的控制经验，归纳出模糊规则，通过在上位机中嵌入模糊控制算法，实现了对DO的模糊控制。实验数据表明，该自适应模糊控制系统，对DO的控制效果理想，并且抗扰动能力强，提高了污水处理的效率。

关键词：自适应模糊控制；溶解氧浓度（DO）；SBR；节能；优化

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。控制流程图如图1所示。

图1 DO模糊控制系统流程图

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