城市污水处理生化反应过程协同优化控制方法及应用研究

The biochemical reaction process is the core link of urban wastewater treatment, and its optimizing operation is the premise of the safety and stability of urban wastewater treatment process. The project concerns the challenges and questions having to be settled urgently of optimizing operation of the biochemical reaction process and aims to research the collaborative optimization control method based on the data and knowledge to improve the efficiency of urban wastewater treatment. First, by researching knowledge representation method of biochemical reaction operation process, a dynamic multi-objective optimizing operation model of the whole biochemical reaction process is built based on the operation data and knowledge to solve the problem that the optimizing operation object of the biochemical reaction process is difficult to be ensured; Second, by researching the multi-objective optimization method for the uncertain number of objects and exploring multi time-scale and multi-objective collaborative optimization method, the optimization of the operation object of the whole biochemical reaction is achieved to solve the problem of the online setting of operation variables in the biochemical reaction process; Last, by researching the collaborative optimization method based on the self-organizing fuzzy neural network, the design of controller for the collaborative optimization of the whole biochemical reaction process is achieved to ensure the stable and high-efficient operation of the process. The project research work can both improve the development of intelligence control theory and provide technical support for the stable and high-efficient operation of the biochemical reaction process in the urban wastewater treatment, which has high theoretical research value and broad application prospect.

生化反应过程是城市污水处理的核心环节，其优化运行是城市污水处理系统安全稳定的前提。围绕生化反应过程优化运行亟待解决的挑战性问题，项目研究基于数据和知识的协同优化控制方法，提高污水处理效率。首先，研究城市污水处理生化反应过程运行的知识表达方法，建立基于运行数据和经验知识的生化反应过程动态多目标优化模型，解决生化反应过程优化运行目标难以确定的问题；其次，研究目标数不固定的多目标优化方法和时间多尺度多目标协同优化方法，解决生化反应过程操作变量的在线设定问题；最后，研究基于自组织模糊神经网络的优化控制方法，完成生化反应优化控制器的设计，保证生化反应过程稳定高效运行。项目的研究工作既能够促进协同优化控制理论的发展，又能够为城市污水处理过程稳定高效运行提供技术支撑，具有较高的理论研究价值和广阔的应用前景。

城市污水处理生化反应过程是一个包含多个操作单元的动态过程，项目以城市污水处理生化反应过程为背景，针对优化模型难以建立、优化设定值难以获取和准确控制的难题，开展数据和知识驱动的协同优化控制方法研究。分析了城市污水处理生化反应过程，提取关键运行数据特征，描述生化反应过程运行状态，通过模糊推理规则获取运行性能指标，建立了机理和数据驱动的城市污水处理生化反应过程多目标优化模型，解决了生化反应过程优化运行目标难以建立的问题。定量描述了多目标进化算法的进化状态，设计基于进化状态知识的进化策略与进化参数自调整机制，研究基于分层策略的协同优化算法，获得多时间尺度动态多目标优化方法，解决了生化反应过程多层级间性能指标难以协同优化的问题。设计了结构和参数自适应更新的模糊神经网络控制器，研究基于实时反馈策略的协同优化控制方法，实现生化反应过程的系统优化控制，研发了城市污水处理生化反应过程协同优化控制技术。. 项目在多目标优化模型建立、动态多目标优化方法设计和协同优化控制方面取得了突破，促进了城市污水处理生化反应过程协同优化控制理论发展；攻克了性能指标模型建立、动态多目标优化和协同优化控制等技术难题，开发了城市污水处理生化反应过程协同优化控制关键技术，保证生化反应过程平稳运行，出水水质达标排放，有效提升了城市污水处理生化反应过程的优化运行效率。. 项目研究成果共发表学术论文9篇，其中SCI论文7篇，中文核心论文1篇，国际会议论文1篇；申请中国发明专利2项，软件著作权1项；参与撰写专著1本；参加国际高水平学术会议3次，邀请专家报告2次，协助举办研讨会2次；培养学术学位研究生2名，专业学位研究生1名。