李若飛 達爾仁·阿斯哈提 王振豪 梁 爽 張樂華

（華東理工大學資源與環(huán)境工程學院，上海 200237）

由于城鄉(xiāng)差距大，水體分布不均勻，以及水的嚴重浪費和不合理使用，導致能有效使用的淡水資源變少。水污染控制技術在環(huán)境工程領域具有重要地位。從控制系統(tǒng)設計的角度看，由于污染物的多樣性、復雜性和變化性，污水處理屬于難以控制的復雜工業(yè)過程[1]。智能控制不需要建立被控對象精確數(shù)學模型的特點，因而適用于復雜的污水處理過程的控制。在歐、美、日等發(fā)達國家，人工智能在污水處理領域已有許多成功的應用實例，展現(xiàn)出極為廣闊的應用前景[2]。與國外相比，我國的污水處理系統(tǒng)智能控制技術研究尚處于起步階段，加強對污水處理系統(tǒng)智能控制技術的研究是當務之急[3]。本文根據(jù)現(xiàn)階段人工智能在污水處理中的應用現(xiàn)狀，介紹了控制系統(tǒng)和監(jiān)測系統(tǒng)之間關系，包括污水處理系統(tǒng)模型、人工智能監(jiān)測和人工智能控制等方面。

1 水污染控制系統(tǒng)模型

1.1 RBFNN軟測量模型

在軟測量建模中，神經(jīng)網(wǎng)絡因其較強的非線性映射能力和自學習能力，非常適合用于水處理方面，是目前軟測量領域中最為活躍的研究分支[4]。QI H等[5]提出了一種機理模型和神經(jīng)網(wǎng)絡串聯(lián)的混合建模方法。張勇等[6]提出了將主元分析一徑向基神經(jīng)網(wǎng)絡的軟測量模型用于浮選過程預測。肖紅軍等[7]將機理、統(tǒng)計或者是經(jīng)過人工智能算法分析得到的各個過程變量輸入到徑向基神經(jīng)網(wǎng)絡中，以充分發(fā)揮RBFNN的逼近能力，提高軟測量模型預測的準確率。

在水處理系統(tǒng)的浮選過程中，基于PCA方法與新型RBF神經(jīng)網(wǎng)絡相結合的技術指標軟測量模型研發(fā)出來[8]。

軟測量模型在礦物浮選實際應用中，將礦漿濃度、給礦流量、給礦濃度、給礦粒度、藥劑流量和礦漿溫度為輔助變量，作為PCA-RBFNN軟測量模型的輸入（如圖1所示）?；赑CA（主成分分析）方法與新型RBF神經(jīng)網(wǎng)絡相結合的經(jīng)濟技術指標軟測量模型來運算，RBF神經(jīng)網(wǎng)絡則實現(xiàn)輸入變量到輸出變量之間的非線性映射。

圖1 PCA-RBFNN軟測量模型結構

1.2 SVM模型

支持向量機是近年發(fā)展起來的新興人工智能技術。在分析最小二乘支持向量機理論基礎上，采用一種改進的粒子群優(yōu)化算法優(yōu)化支持向量機的參數(shù)，模型具有較高的精度，基本可以實現(xiàn)出水BOD（生化需氧量）值的在線預估[9]。與神經(jīng)網(wǎng)絡的啟發(fā)式學習方法及其實現(xiàn)中的大量經(jīng)驗分量相比，支持向量機具有更為嚴密的理論和數(shù)學基礎。趙超等[10]提出一種基于LS-SVM的出水水質(zhì)軟測量模型，并將其應用于污水處理過程中溶解氧濃度的控制。

1.3 神經(jīng)網(wǎng)絡

近年來，隨著智能控制理論的發(fā)展，智能仿生技術在非線性系統(tǒng)建模與控制中的有效性引起了國內(nèi)外研究者的廣泛關注，尤其是神經(jīng)網(wǎng)絡的應用。Belchior等[11]設計了一種對溶解氧控制含有自適應模糊控制策略和監(jiān)督模糊控制的反饋跟蹤方法，實驗表明，此方法提高了溶解氧濃度的跟蹤控制精度。Zeng等[12]利用反向神經(jīng)網(wǎng)絡模型建立了污染物的去除率和化學藥物添加量之間的非線性關系，經(jīng)過人工智能算法分析得到的各個過程變量輸入到神經(jīng)網(wǎng)絡中，以充分發(fā)揮RBFNN的逼近能力，提高軟測量模型預測的準確率。

2 人工智能應用于水質(zhì)監(jiān)測

2.1 基于GPRS的水質(zhì)監(jiān)測

GPRS是通用無線分組業(yè)務（General Packet Radio System）的縮寫，是介于第二代和第三代之間的一種技術，通常稱為2.5G。GPRS采用與GSM相同的頻段、頻帶寬度、突發(fā)結構、無線調(diào)制標準、跳頻規(guī)則以及相同的TDMA幀結構。GPRS無線數(shù)據(jù)傳輸具有設備成本低、數(shù)據(jù)傳輸安全可靠、使用靈活方便等特點，非常適合遠程數(shù)據(jù)傳輸上的應用。

對于實際應用中，污水排放口數(shù)據(jù)采集點（如圖2所示）。

圖2 基于GPRS的污水處理無線監(jiān)測

現(xiàn)場污水排放監(jiān)控點安裝有流量計、COD儀等在線監(jiān)測設備，數(shù)據(jù)采集模塊通過通信口與這些監(jiān)測設備相連采集數(shù)據(jù)，數(shù)據(jù)采集模塊又通過RS232接口與GPRS透明數(shù)據(jù)傳輸終端相連，通過GPRS透明數(shù)據(jù)傳輸終端內(nèi)置嵌入式處理器對數(shù)據(jù)進行處理發(fā)送到控制系統(tǒng)，控制系統(tǒng)再來收集整理給在線人員[13]。

2.2 水體環(huán)境中遙感（Remote Sensing）監(jiān)測

遙感監(jiān)測技術是通過航空或衛(wèi)星等收集環(huán)境電磁波信息對遠離的環(huán)境目標進行監(jiān)測和識別的技術。對比其他方法，基于衛(wèi)星數(shù)據(jù)的富營養(yǎng)化水體環(huán)境COD濃度遙感監(jiān)測系統(tǒng)設計方法較為簡單，但是存在遙感監(jiān)測準確率低的問題；基于組件技術的富營養(yǎng)化水體COD環(huán)境監(jiān)測系統(tǒng)設計方法所用時間較少，但存在遙感監(jiān)測偏差大的問題。

2.3 基于物聯(lián)網(wǎng)的水質(zhì)監(jiān)測

將物聯(lián)網(wǎng)技術應用到污水自動化處理系統(tǒng)中去，檢測處理污水包括pH值、色度、化學需氧量（COD）、生化需氧量（BOD）等指標，構造一套基于物聯(lián)網(wǎng)的在線監(jiān)測污水處理系統(tǒng)。

基于物聯(lián)網(wǎng)的污水處理監(jiān)測系統(tǒng)，它包括控制終端、現(xiàn)場流量計、取樣泵、現(xiàn)場數(shù)據(jù)采集儀等，可將現(xiàn)場數(shù)據(jù)采集通過無線模塊傳至控制終端[14]。

3 人工智能控制在水處理中的應用

3.1 DCS控制系統(tǒng)

集散控制系統(tǒng)又稱分布式計算機控制系統(tǒng)，簡稱DCS[15]。

DCS控制系統(tǒng)能滿足污水處理領域的需求，滿足于污水處理領域管控整合控制平臺的需要，系統(tǒng)具備自功制水、自動再生，制水計量、水質(zhì)監(jiān)測、流毓控制、液位調(diào)節(jié)、壓力保護、上位機監(jiān)控和通過廣域列監(jiān)控等功能，能夠?qū)崿F(xiàn)電廠化學術處理過程的全方位自動控制[16]。

3.2 模糊控制

模糊控制是通過確定模糊變量，規(guī)范模糊論域，遵循模糊邏輯推理建立的一種模擬人的推理和決策的控制算法。首先，根據(jù)操作人員或?qū)＜业慕?jīng)驗建立模糊規(guī)則。然后，對實際檢測數(shù)據(jù)進行模糊化處理。作為系統(tǒng)的輸入，系統(tǒng)通過模糊推理和模糊決策進行調(diào)整。最后，對執(zhí)行器進行控制，將被檢測對象的數(shù)據(jù)發(fā)送到輸入端進行比較，完成控制的實時調(diào)整[17]。

費雷爾開發(fā)了模糊邏輯控制系統(tǒng)，并將其應用于中試規(guī)模巴登福工藝的主要曝氣區(qū)域。實驗結果表明，采用模糊邏輯控制系統(tǒng)的曝氣系統(tǒng)節(jié)能40%，穩(wěn)定性提高60%，具有良好的應用前景[18]。

4 結語

人工智能在水污染控制的應用模型主要包括RBFNN軟測量模型、SVM模型和神經(jīng)網(wǎng)絡。智能控制主要集中在水污染控制工程設備的PLC、DCS模塊及模糊控制，然而在整個水處理工程中，人工智能的系統(tǒng)化應用和集約程度仍不高，導致其自主學習能力差、數(shù)值計算能力弱、經(jīng)驗推理能力不足。

對于將來發(fā)展方向包括：對知識庫中的規(guī)則不斷地進行驗證、修改、增加，通過知識庫的不斷完善來提高系統(tǒng)的運行可靠性和診斷效率；采用多種智能方法結合的集成智能診斷系統(tǒng)，發(fā)揮各自優(yōu)勢，取得更好的效果；在人工智能方面開發(fā)機器自主學習的方法，有助于及時補充知識，提高診斷系統(tǒng)能力。