城市污水生物处理活性污泥工艺的集成智能控制仿真研究

摘要

污水处理活性污泥工艺是污水处理、特别是城市污水生物处理的主要方法，但污水处理活性污泥工艺的成功应用有赖于稳定可靠的自动控制系统。由于微生物在污水环境下的生存规律及所依赖的条件还没有被完全认识，现场试验不仅时间长成本亦高，因此通过基于复杂机理模型的计算机仿真在污水处理行业显得格外重要。在解决这些问题时，通过广泛实施ICA(仪表、控制和自动化)仿真技术，已经证明是一条可行之路。 研究以国际公认的污水控制方法评价Benchmark仿真平台为基础，逐步建立了包括简单控制、基于模型的改进控制和智能控制系统在内的工艺过程仿真模型，用Matlab6.5和C语言编制连续流活性污泥系统仿真程序，根据仿真结果评价所建立的污水生物处理控制系统的控制性能，找出不同控制变量适合的控制方法，逐步对控制系统进行优化，最后得到了较优的集成智能控制系统，通过仿真对该系统进行了评价。 研究结果表明：对污水生物脱氮工艺，被控变量选为COD，BOD，SS，氨氮、总氮等，而控制变量选为：溶解氧、内回流量、外加碳源、污泥回流量和污泥排放量是合适的；用Matlab/Simulink和C语言建立的污水生物脱氮处理控制系统仿真模型是准确的，可以以该模型为基础研究不同控制系统的控制品质和性能；简单控制的应用使得污水处理系统具有较好的稳定性，去除有机物效果好，抗冲击负荷能力强，但系统脱氮能力不足，能耗较高；改进控制的应用使得污水处理系统因外碳源的投加而具有很好的脱氮能力，且能耗降低，但系统稳定性降低，抗冲击负荷能力下降，外碳源的投加也使得出水有机悬浮物浓度增加，污泥排放量增大；集成智能控制策略的应用使得污水处理系统因外碳源的投加而具有很好的脱氮能力，且能耗降低，同时智能控制保证了系统的稳定性和抗冲击负荷能力，外碳源的投加也实现了“最优化”。 研究构建的集成智能控制系统在保证出水水质、降低能耗和外加碳源的同时，提高了系统的稳定性和抗冲击负荷能力，是比较完善的控制系统。

目录

文摘

英文文摘

论文说明：图表目录

第1章绪论

1.1国内外研究现状分析

1.1.1研究现状

1.1.2污水生物处理过程控制的发展方向

1.2学术构想

1.3研究目标、意义

第2章可行性分析及主要研究内容

2.1研究方法

2.2技术路线

2.3可行性分析

2.4研究内容

2.5特色与创新之处

2.6计划进度

第3章控制系统的仿真平台、评价及控制变量

3.1 Benchmark

3.1.1装置构造

3.1.2进水负荷

3.1.3模拟程序的估计

3.1.4控制策略

3.1.5出水限制和性能评价

3.2系统模型

3.2.1活性污泥一号模型(ASM1)

3.2.2 TakacsⅠ模型

3.3控制系统的评价

3.3.1控制目标及假定

3.3.2出水水质

3.3.3能耗

3.3.4污泥产量

3.3.5药剂量

3.4控制变量的选取

3.4.1被控变量

3.4.2控制变量

第4章简单控制系统仿真

4.1简单控制系统控制策略

4.2控制算法

4.2.1溶解氧浓度

4.2.2内回流量

4.3 WEST模拟

4.3.1 WEST简介

4.3.2简单控制系统WEST仿真模型的建立

4.3.3仿真结果

4.4 Matlab/Simulink模拟

4.4.1简单控制系统Matlab/Simulink仿真模型的建立

4.4.2仿真过程

4.4.3晴天仿真结果

4.4.4对建立的Simulink仿真模型的检验

4.4.5雨天仿真结果

4.4.6暴雨天仿真结果

4.5控制系统评价

第5章改进控制系统仿真

5.1控制算法

5.1.1溶解氧浓度

5.1.2内回流量

5.1.3污泥回流量

5.1.4污泥排放量

5.1.5外加碳源投加量

5.2改进控制系统模型设计与仿真

5.2.1仿真模型的总体结构

5.2.2仿真模型的模块

5.3仿真过程

5.4仿真结果

5.4.1晴天仿真结果

5.4.2雨天仿真结果

5.4.3暴雨天仿真结果

5.5控制系统评价

5.5.1改进控制系统评价指标

5.5.2改进控制系统与简单控制系统比较

第6章集成智能控制系统仿真

6.1控制算法

6.1.1溶解氧浓度

6.1.2污泥回流量

6.1.3外加碳源投加量

6.2改进控制系统模型设计与仿真

6.2.1仿真模型的总体结构

6.2.2仿真模型的模块

6.3仿真过程

6.4仿真结果

6.4.1出水水质

6.4.2 Kla

6.4.3污泥排放浓度和污泥排放量

6.4.4污泥回流量和内回流量

6.4.5外加碳源量

6.5控制系统评价

6.5.1集成智能控制系统模型仿真结果评价指标

6.5.2三种控制系统模拟仿真结果评价指标

第7章结论和建议

7.1结论

7.2建议

附录

附录A DO模糊控制推理系统

附录B Qr模糊控制推理系统

参考文献