基于自適應模糊Smith的污水處理系統解耦控制

陳龍燕

(泉州職業技術大學,福建 泉州 362268)

隨著人們生活水平的提高,其對生存環境的關注越來越多,為實現水資源的開發和再利用,對污水處理技術的研究較為重要。但由于我國國情和人口基礎的影響,水資源的污染程度逐漸增加,反過來影響了人們的經濟發展和生活節奏。我國在污水處理中的自動化水平較低,處理效果不佳,對污水的處理技術仍需做出更多的努力。由于污水處理系統的通路較多,需要進行處理的污水類型具有差異性,為實現多通路的有效控制,不同學者進行了一系列的研究,并有較好的研究成果。其中,隨博文和黃志堅[1]以實時變量逆矩陣提出了一個新方法,主要是在矩陣中進行非線性解耦達到控制目的。該方法將控制問題分解為多個階級,并針對不同階級進行逆轉處理,在檢測到處理信號后建立分解矩陣,通過實時的信號追蹤和分解實現系統的解耦控制。這一方法能夠直接尋找到解耦的平衡點,達到非線性的解耦控制效果,但由于多次的逆轉會影響求解時間,在整體控制上會影響解耦效率。周永華和嚴梓碩[2]提出了新的解耦控制方法,該方法將ISE-ITAE指標與遺傳算法作為研究基礎,主要解決了多通路的輸出問題,提高了多通路處理系統的應用效率。該方法以ISE-ITAE指標針對耦合狀態和解耦條件,通過自適應遺傳算法建立控制模型,對不同的輸出狀態進行解耦配置。在整個設計過程中,遺傳算法能夠通過時間積分構造適應度函數,在不斷地優化過程中促使系統達到最佳的解耦狀態,最終實現系統的解耦,具體解耦速度快,響應時間短的優勢。但由于遺傳算法需要不斷更新函數參照值,因此在解耦過程中會對控制效果造成一定影響。為保證解耦的控制效果及效率,綜合傳統方法的優勢之處,本文以自適應模糊Smith技術設計新的控制方法,對污水處理系統進行管理,實現多類型污染的解耦控制,為其提供更加全面的技術支持。

1 關聯污水處理系統有效輸出數據類型

神經網絡能夠通過對數據的訓練,分析出具體相似類型的數據,將該技術應用在污水處理系統中,可以對系統的處理數據進行有效分析,將不好的數據進行剔除,并保留有效的數據信息[3-5]。以人工神經網絡作為應用基礎,在確定學習準則的前提下,對污水處理系統的現場數據進行在線學習,具體過程如圖1所示。

圖1 人工神經網絡應用示意圖

圖1中,Q1、Q2、Q3表示污水處理系統的在線數據,W表示數據總量,RE1、RE2、REW表示對應數據的連接權值[6-7]。由圖1可知,在人工神經網絡中對數據的分析,主要是不斷更新連接權值,以此在求和處理下對在線數據進行關聯[8-10]。設定權值為正值,對各參數進行求解如式(1)-式(3)所示。

(1)

YE=TE-αE

(2)

(3)

式(1)-式(3)中,TE表示模型處于激活狀態[11-13],δ(YE)為激活函數,∑(·)為求和單元,αE為閾值可以對模型中的神經元進行影響,IE為輸出結果。以神經元的狀態表示數據的關系,當數據強烈相關時可以表示為一類污染處理類型[14-16]。根據數據的對應關系,選擇自適應模糊技術建立數據傳遞函數。

2 自適應模糊Smith原理建立數據傳遞函數

在污水處理系統的應用過程中,其具有較大的滯后特性,當其作為受控對象時,若滯后時間較長會影響處理的穩定性,達不到污水處理標準[17]。選擇自適應模糊Smith原理構建解耦控制傳遞函數,通過多通路傳遞函數對滯后時間常數進行消解,如式(4)所示。

(4)

式(4)中,P(A)為廣義目標傳遞函數,S(A)為模型中受控對象的解耦過程[18-20],F0(A)為不含有滯后特性受控對象的傳遞函數,A為受控對象,D為傳遞次數。在單一的控制過程中,將Smith原理[21]與污水處理系統的各個環節進行連接,實現解耦控制路徑建立,具體解耦控制路徑如圖2所示。

圖2 基于自適應模糊Smith的解耦控制路徑

由圖2可知,FH(A)J-χA為用于解耦滯后控制的傳遞函數[22-23],χ為純滯后時間,J-χA為被控制對象純滯后部分的傳遞函數[24]。則對污水處理系統的解耦解控制對象的傳遞函數如式(5)所示。

(5)

式(5)中,K(A)為自適應模糊Smith原理下的解耦控制傳遞函數。將解耦控制過程與自適應學習過程進行融合,對滯后對象進行補償。在此基礎上,對系統需要處理的污染物質關系平衡,實現系統的解耦控制。

3 平衡數據中物質關系解耦控制污水處理系統

上一階段解析了污水處理系統的滯后性,除此以外污水處理系統還具有動態特征,其不同的污染物對應的處理方式和步驟具有差異性。因此當未知參數過多時,系統會難以進行快速識別,呈現出處理的不確定性,為此以平衡物質關系為基礎,在進行系統解耦控制時將污染物分為有機底物和微生物[25]兩個類型。具體平衡方式如式(6)和式(7)所示。

(6)

(7)

式(6)為有機底物的平衡,式(7)為有微生物的平衡[26-28]。

式(6)和式(7)中,V為底物最大比利用速度,X0和X為進水和出水時的底物濃度,C和C0為微生物進水和出水時濃度,M和Mw為進水和排放量,r為產率系數,Bq為微生物衰減率,Z表示有效體積,p為處理時間,BN為最大溶解速度。以BN為解耦控制變量建立處理系統的狀態方程組,如式(8)和式(9)所示。

(8)

(9)

式(8)和式(9)中,iN為氧氣的飽和常數[29]。對污染物的處理與氧氣的設定值相關,其對溶解速度會造成影響,因此將其作為控制變量的引導系數,直接對不同污染物的處理狀態進行表示,實現污水處理系統的解耦控制。

4 實驗測試分析

上文中通過自適應模糊Smith技術設計了新的控制方法,為驗證新方法能夠實現對污水處理系統的有效控制,采用對比測試的方式完成論證。采用基于實時變量逆矩的控制方法和基于遺傳算法的控制方法作為對照組,分別與本文方法進行對比,驗證不同方法的有效性。

4.1 數據準備

此次選擇某省污水處理廠作為測試對象,該污水處理廠的處理系統已經運行有5年時間,其處理效果與理想狀態有一定的出入,因此需要通過解耦控制方法對污水處理系統進行有效控制,保證污水處理效果。對污水處理廠內的多個地點進行圈定,隨機選擇4組區域作為本次測試地點,要求各區域內中需含有2種以上污染類型,具體情況如圖3所示。

圖3 測試數據

由圖3可知,此次選擇的4個區域內共含有6種污染類型,分別為Q1、Q2、Q3、Q4、Q5、Q6,其中A和B區域含有同樣的污染類型,分別為Q1、Q3、Q4,但各自占比不同;C、D區域與上述兩個區域的污染類型不同,分別為Q2、Q5、Q6,符合此次測試條件。將上述情況上傳至MATLAB測試平臺,連接選擇的3種控制方法在規定標準下對不同控制方法的控制效果進行分析。

4.2 各區域污水處理過程

由于現有的污水處理系統的處理效果不理想,設計控制方法主要是想達到標準的處理結果,只有將污染占比控制在標準值以下,才能實現污水的快速處理,將處理后的水資源應用在其他領域。設定在處理完畢后污染類型的占比下降至4%以內,即可進行水質排放。分別通過3種方法進行測試,以單一控制為污水處理測試前提,如圖4所示。

(a)A區域

由圖4可知,污水的初始濃度對控制的效果具有較大影響,在傳統控制方法中,當初始濃度較高時難以一次性將其污染占比控制在4%以下,一般會臨近指標值,因此需要進行再次控制。本文方法的控制中能夠直接將各污染類型,直接控制在標準值之下,且遠超設定的指標,能夠為縮短污水處理系統的控制時間提供保障。

4.3 污水處理速度對比

污水處理系統的滯后性會嚴重影響水資源的再次利用,只有快速地完成不同類型的水質污染處理,將同一區內的污染類型全部控制在標準值之內,才能將水資源投入在生產生活中。一旦某個區域內的水質仍存在污染物,則不能進行再次利用,基于此,對污水處理系統的控制效率進行測試。以區域內所有污染物均達到處理標準為測試條件,分別通過3種方法進行控制,如圖5所示。

(a)A區域

由圖5可知,本文方法對污水處理系統的控制效果較強,基本可以在10s內實現對污水的標準處理,而兩種傳統方法無法直接將污水處理至標準值以下,因此需要進行多次處理,其控制時間分別需要56s和48s,說明本文方法更加具有應用價值。

結語

為實現污水處理系統的有效控制,全文在自適應模糊Smith技術的基礎上設計了新的方法,并通過對比測試論證了其有效性。實驗結果表明,該方法可以提高污水處理系統的處理效果和效率,具有較高的應用價值。但由于此次研究時間有限,在設計過程中存在不足之處,如實驗過程中沒有對具體的污染類型進行描述,存在一定的局限性。后續研究中會針對這一問題,選擇具體的污染類型進行分析和測試,提出更加全面的控制方法,為保證污水處理系統的效果提供理論支持。