基于人工智能的微型生活污水處理過程控制與優化

趙秉舉

（中交三公局華中建設有限責任公司）

1 引言

微型生活污水處理系統是一種小規模的污水處理設備裝置，常見于小型城市或鄉鎮，其內部高度集成污水處理工藝與設備設施，相較于大型或中型生活污水處理系統，其初期投資不高、內部結構緊湊、能源消耗較低、污水處理效率較高[1]，可靈活應用于獨立公寓、商場、酒店等公共建筑或場所，實現對污水的高效、快速處理，有效減少城鎮污水處理廠的污水處理負荷，緩解水環境污染與居民生活之間的沖突，助力節能型、環保型社會建設。

2 微型生活污水處理系統

2.1 微型生活污水處理系統概述

微型生活污水處理設備是一種小型化的污水處理設備，其原理基本上與大型污水處理設備相同，主要包括物理處理、生物處理和化學處理三個環節。其中，物理處理是通過格柵將污水中的大顆粒懸浮物加以過濾后，利用沉淀池沉淀過濾污水中的固體物質；生物處理是利用生物濾池或曝氣池對污水中懸浮顆粒的微生物加以降解，去除污水中的有機污染物、氨氮、磷等物質；化學處理是通過在污水中加入化學藥物，進一步去除氨氮、磷等污染物質，提高水體的排放質量[2]。

2.2 微型生活污水處理系統步驟流程

微型生活污水處理系統的構成包括進水口、進水格柵、提籃柵欄、反應器殼體、鼓風機、曝氣系統、膜組件系統、真空出水泵、自動控制箱、出水口與出水閘門等。從流程來看，微型生活污水處理實施步驟為，某公共建筑或場所的生活污水經污水管道進入化糞池，由進水口、進水格柵、提籃柵欄進行大顆粒污染固體物質濾除后，經厭氧反應后進入反應器殼體，經曝氣升華反應與膜過濾后，實現對磷、氨氮、有機物、膠體等物質的有效過濾，最后將過濾后的水經水泵輸送至中水回收站，用于公共區域綠化澆灌用水等[3]。

2.3 微型生活污水處理系統特征

相較于大中型污水處理系統，微型生活污水處理系統具有如下特征。

1）一體化特征

微型生活污水處理系統中高度集成反應器殼體、曝氣系統、膜組件系統、自動控制箱等設備裝置，有效關聯厭氧單元、好氧單元、電控系統，形成內部結構緊湊、功能齊全的處理系統。微型生活污水處理系統的一體化特征可減少污水處理過程中各獨立運行設備的依賴，提高污水處理過程的聯動性，以便工作人員操作自動控制箱調控反應器殼體、曝氣系統、鼓風機、出水泵等設備裝置的運行狀態，降低污水處理系統的故障率。

2）節能性特征

微型生活污水處理系統利用反應器殼體、曝氣系統、膜組件系統等設備裝置的有效組合，高效穩定地處理生活污水，實現處理后污水達標排放。例如利用高濃度的微生物有效分解污水中的有機污染物，高效輸出凈化后水體，提高有機污染物的降解效率，相較于大型污水處理設備而言運行能耗與運行成本均較低。

3）智能型特征

微型生活污水處理系統依托計算機技術、現代通信技術、自動控制技術等實現對污水水質情況、各設備裝置運行工況的在線監測與動態控制，以便工作人員根據污水水質情況自動調整曝氣系統的曝氣時間、反應器殼體內的微生物濃度等參數，實現對污水的自動化、智能化處理[4]。

2.4 微型生活污水處理現狀

微型生活污水處理利用一體化的污水處理系統對局部公共區域內排放的生活污水加以處理與凈化排放，當前微型生活污水處理系統集成了物理處理技術、化學處理技術與生物處理技術，通過不同原理的組合使用實現污水中顆粒物、懸浮物、膠體、有機物的有效過濾，但污水處理過程中仍然存在效率不高、設備運行控制的科學性不高、處理過程不精細等問題[5]。

3 人工智能技術在微型生活污水處理過程控制中的應用

3.1 關鍵技術

3.1.1 圖像識別技術

在微型生活污水處理過程控制中，圖像識別技術作為遠程在線監控污水處理過程的重要技術，可實時識別與精準反映出污水處理相關設備裝置的工作情況與故障情況。例如，通過在污水處理過程現場布設攝像頭或紅外設備等，利用圖像識別技術將現場監控視頻分解后的圖像幀進行識別分析，掌握污水處理設備的工況。利用圖像識別技術對污水圖像進行識別分析，精準研究污水中的污染物濃度、沉淀物，實現對污水水質、污水處理設備運行狀態的動態監測。

3.1.2 物聯網技術

在微型生活污水處理過程控制中，利用物聯網技術高度集成各類傳感器如污水水質傳感器、溫度傳感器、pH 值檢測傳感器等，依托各類傳感器實時監測與采集污水水質數據如溫度、pH值、氨氮濃度、有機物含量、總磷含量等以及污水處理設備的運行工況，替代工作人員日常巡檢與人為經驗主觀判別，快速、準確地發現污水處理設備運行故障并及時預警[6]，同時實時監測的污水水質數據可助力微型生活污水處理過程控制策略優化，以便根據動態變化的生活污水水質情況自動調整與控制污水處理工藝與相關設備裝置的運行狀態。

3.1.3 人工智能技術

人工智能技術是模擬人腦思維過程進行智能化決策的技術，可將其應用于微型生活污水處理過程智能化控制中，當前在微型生活污水處理過程控制中常用的人工智能技術包括卷積神經網絡模型、模糊控制系統、專家經驗推理機、遺傳算法、機器學習算法等。

3.2 處理過程控制系統設計

3.2.1 數據采集與處理

數據采集與處理模塊利用物聯網技術、圖像識別技術在線獲取微型生活污水處理過程中的污水水質情況與處理設備運行狀況，通過對前端傳感器傳回數據的處理與解析，獲取微型生活污水處理過程中的污染物濃度、沉淀物指標以及處理設備的運行參數、工作狀態，分析污水處理過程中的污水水質變化情況以及處理設備的故障信號。

3.2.2 處理過程控制

在微型生活污水處理系統中，根據所使用的控制算法不同，可分為不同的污水處理過程控制策略優化方案。

1）基于神經網絡模型的污水處理過程控制優化

神經網絡模型利用若干相互關聯的神經元組成網絡結構，模擬人腦思維過程與思維模式，自適應學習數據中的規律，挖掘出數據中的復雜非線性關系，作為方案優化或戰略決策的網絡模型。將神經網絡模型應用于微型生活污水處理過程控制優化中，利用神經網絡模型學習前端采集的水質數據（溶解氧、氨氮濃度等）、設備工況數據與運行參數、污水處理結果（處理后水質、反應時間、能耗、曝氣量等）之間的復雜非線性關系，經模型模擬與收斂構建神經網絡模型，以便分析預估不同水質情況、不同設備工況下的污水處理結果。結合數據采集與處理模塊在線收集的水質數據與處理設備工況數據實現對污水處理結果的模擬，在污水處理結果最優的前置條件下優化處理設備工況與運行參數，實現對污水處理工藝方案的優化以及對污水處理過程控制的優化。

2）基于模糊控制系統的污水處理過程控制優化

模糊控制系統以模糊數據集與模糊算法為基礎理論與方法，將污水處理過程解析映射為模糊規則與推理過程，如對于污水處理系統的模糊控制模塊而言，其模糊規則與推理過程由污水處理設備運行參數、投入藥劑的劑量、微生物濃度等最終轉化為污水水質、處理成本、處理能耗等結果數據的過程[8]。例如，將模糊控制系統引入到活性污泥法中，通過模糊規則的建立以及控制變量計算公式的擬合構建動態活性污泥法模糊控制系統，在控制系統中輸入進水流量即可動態輸出活性污泥法處理下的污水化學需氧量與生物需氧量，找到最優污泥回流量數值，實現活性污泥法處理工藝實施方案的最優化設計。模糊算法作為模糊控制系統的核心構成，其可以以模糊關系模型充分模擬污水處理工藝中各變量之間的復雜非線性關系，有效消除控制系統的誤差，推演出最優的污水處理控制方案，使得污水處理后的水質狀況達到預期目標。

3）基于專家經驗推理機的污水處理過程控制優化

將經驗豐富的生活污水處理專家在所專領域污水處理方面的知識以及污水處理的思維過程轉化為污水處理診斷推理機，利用推理機對進水水質狀況進行分析與處理工藝推理，實現智能化的污水處理工藝決策。將專家系統引入到微型生活污水處理中，以生活污水的水質參數為輸入數據（訓練樣本），在基于生活污水水質的處理工藝推理方面，利用人工智能技術快速、準確地讀取水質數據，并以專家系統中存儲專家經驗知識的推理機推理出具體的污水處理與控制工藝。

4 結語

微型生活污水處理過程控制利用數據采集與處理模塊動態感知微型生活污水處理的動態，包括水質情況與設備工況等，對前端采集與處理的污水水質數據、處理設備運行狀況等進行挖掘與分析，依托神經網絡模型、專家經驗推理機、遺傳算法、模糊控制系統等對不同污水處理工藝方案下的污水處理結果進行預測與分析，助力污水處理設備運行參數調整與處理工藝方案優化，可以切實提高微型生活污水處理過程控制的精細度與智能化水平。