本站小编为你精心准备了污水生物处理中智能控制的应用参考范文,愿这些范文能点燃您思维的火花,激发您的写作灵感。欢迎深入阅读并收藏。
根据污水处理系统的运行情况来看,传统的方法根本无法达到最理想的效果,而智能控制系统的充分利用,在一定程度上提高了污水处理系统的运行稳定性和可靠性,在对污水进行有效处理的时候还能对污水的各种情况进行及时监测,对于促进污水处理结果的准确性、实效性不断提高有着重要影响。
1智能控制系统的基本情况
根据智能系统的应用情况来看,其主要是依靠计算机来对人脑的思维进行模拟,以在结合人工智能、控制技术等的情况下,对污水处理系统的实际运行进行进行有效检测和监控,从而保障整个系统的智能化。目前,污水生物处理系统中的智能控制,其主要的硬件系统有传感器、各种检测设备、通讯接口、和智能控制器等,而软件系统主要有认知学习系统、感知信息处理系统、数据库、和控制系统软件等,在污水生物处理系统的稳定运行中发挥着非常重要的作用。随着经济不断发展,污水生物处理的要求变得越来越高,必须将氮化物、有机物和磷等全部去除,才能真正达到净化污水的目的。因此,在实践过程中,为了对多种物质进行同时处理操作,必须充分利用智能控制系统,对各种输入量、输出量、时间等进行有效控制和调节,才能在有效结合相关数据的情况下,真正提高污水生物处理的有效性。
根据污水生物的实际情况来看,智能控制系统的实践应用主要有如下几个方面:
2.1模糊控制系统的实践应用在污水生物处理模糊控制系统中,发挥主要功能的是模糊控制器,主要是指输出参数与输入参数的模糊化和清晰化、模糊推理、获取控制规则等。在相关研究中,有关研究人员将模糊控制合理的应用到污水生物处理系统中,在严格按照二级污水处理厂的相关要求执行的情况下,是活性污泥工艺得到了有效控制,从而使污泥回流比、剩余污泥排放量和DO设定值等得到有效确定,对于防止污泥膨胀、上浮等起到重要作用。根据相关工作人员的实践应用经验来看,活性污泥工艺模糊控制器的有效构建,需要九个输入参数、三个输出变量、二十条控制算法,其中,有四条控制算法要被运用到污泥膨胀、上浮等问题的处理上,而根据数学模型模拟运行的整体情况来看,模糊控制器的充分利用,可以有效改善出水水质,有着非常良好的效果。与此同时,其他相关研究人员针对A/O脱氮工艺的智能控制系统、连续流NDBEPR污水处理场中的曝气量控制、连续进出水与间歇硝化反硝化等进行了相关实验,通过采用规则的模糊多级控制器来进行操作,在一定程度上大大提高了污水生物处理的整体效果、工作效率和系统运行稳定性,对于降低污水生物处理的投入成本有着重要影响。
2.2专家系统的的实践应用通过合理运用专家系统,污水处理的实际效果得到了大大提高,是我国污水生物处理系统不断完善的重要基础之一。目前,专家系统主要是通过充分利用各种知识形成的系统,其组成结构主要有推理机构和知识库两个部分,在实践应用中主要是用于对处理厂的运行情况进行有效、及时的预测和判断,并将相关信息及时发送到操作者手中,对于改进生物处理系统运行过程存在的不足有着极大作用。从专家系统研发到现在的智能控制,其在寻求和解决各种问题的方法上起到了很大作用,如在除磷、脱氮、泥水分离等问题上,通过模拟的方式来确定控制参数和各种变量,并且,在充分运用专家知识和统计数学等的几次护送,形成了多种规则和建议,从而大大提高污水生物处理系统中防治、预测等的可靠性。例如:在水质水量变化比较大的食品废水处理厂中,利用在线综合控制系统对废物进行处理,其主要组成结构是过程控制层、管理层,在实践应用中可以有效减少出水COD,最终获得节约50%能耗的效果。
2.3神经网络控制的实践应用在实际进行污水处理时,人工神经网络控制主要是用于解决污水处理厂存在的各种附加问题和编制相关规则,并且其有着非常强的学习能力和适应能力,对于提高污水生物处理系统的稳定性发挥着重要作用。根据神经网络控制的应用情况来看,很多知识都是在学习各种例子后储存在网络中的,因此,神经网络控制在合理应用的情况下,有着很好的容错能力,如果个别单元出现损坏情况,神经网络控制的整体运行不会受到太大影响,并且,整个系统仍然可以保持正常运行。在污水处理工程不断推进的过程中,部分研究人员通过分析相关数据和资料,才用简化输入集合重新训练的方式,提高了检测氨氮浓度模型的准确性,使得人工神经网络模型在污水生物处理中得到不断推广和应用。根据多次实践应用和对人工神经网络控制进行改进,污水生物处理系统的运行变得更加稳定,大大降低氨氮物质的含量,在提高脱氮效率方面发挥着重要作用。
3结束语
综上所述,在不断加强污水处理的过程中,信息技术和先进设备的应用范围已经变得越来越广泛,在一定程度上推动着我国污水处理工程的智能化发展。在实践过程中,智能控制在污水生物处理系统中有着非常高的应用价值,对于提高污水生物处理的整体效果有着重要影响。
作者:宋玮华 尹冬俏 单位:吉林建筑大学城建学院