現(xiàn)今SBR工藝已經(jīng)廣泛應(yīng)用于處理各種中小水量的工業(yè)廢水�？偨Y(jié)歸納了SBR智能控制策略的類型，重點(diǎn)對模糊控制、專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)等高級控制策略進(jìn)行較為詳細(xì)的論述，并介紹了混合智能控制策略研究現(xiàn)狀。最后針對SBR智能控制策略存在的問題和不足，為其進(jìn)一步發(fā)展提出具體的建議。
關(guān)鍵字：控制策略 SBR 神經(jīng)網(wǎng)絡(luò) 模糊控制 專家系統(tǒng)
SBR工藝由于具有運(yùn)行方式靈活多變.占地 面積小的特點(diǎn)，廣泛用于處理工業(yè)廢水和中小城鎮(zhèn)的生活污水。SBR工藝最大的缺點(diǎn)在于其操作復(fù) 雜和難于管理，只有在實(shí)現(xiàn)自動控制的條件下. SBR特有的優(yōu)勢才能得到充分發(fā)揮�，F(xiàn)今SBR污水處理廠大多數(shù)采用定時(shí)自動控制系統(tǒng).這種控制方式的靈活性差。運(yùn)行方式不能隨水質(zhì)水量波動而變化，在一定程度上影響其進(jìn)一步推廣和應(yīng)用。為了克服定時(shí)控制方法存在的先天性不足。SBR工藝控制系統(tǒng)逐漸朝著智能控制系統(tǒng)的方向發(fā)展和演變�？刂撇呗允强刂葡到y(tǒng)的核心部分.控制策略的研究和開發(fā)是SBR控制系統(tǒng)發(fā)展的前提和先決條件。因此代表著SBR未來發(fā)展方向的智能控制策 略自然引起了廣大研究人員的普遍關(guān)注。
1.智能控制策略分類
根據(jù)控制思想的不同，控制技術(shù)可以劃分為兩類：①基于規(guī)則的控制：如已被用于SBR系統(tǒng)控制中的模糊和專家系統(tǒng)。比常規(guī)的反饋控制更節(jié)約 能源.減少DO波動，穩(wěn)定進(jìn)水流速和出氣流速，具有較好的應(yīng)用價(jià)值和前景。②基于模型的控制：在SBR中也占有重要的地位，自適應(yīng)控制、MI— MO控制和非線性過程控制等均有所應(yīng)用。因此根據(jù)采用控制技術(shù)的不同，智能控制策略也遵循類似方法劃分。智能控制策略大體可分為3類：①基于規(guī)則的控制策略。包括模糊控制和專家系統(tǒng)等;②基于模型的控制策略，諸如人工神經(jīng)網(wǎng)絡(luò)，主成分分 析(PCA)模型等;③混合智能控制策略。比如模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)結(jié)合產(chǎn)生的模糊神經(jīng)控制策略。
2.基于規(guī)則的控制策略
基于規(guī)則的控制系統(tǒng)要求大量的先驗(yàn)知識來支持，通過不斷的實(shí)踐總結(jié)，設(shè)計(jì)更為合理的控制規(guī)則有望進(jìn)一步提高控制效果。在采用了合理的控制 規(guī)則的前提下，建立針對該規(guī)則的匹配的控制策略，并應(yīng)用于SBR控制系統(tǒng)中，才能最大限度的發(fā)揮控制規(guī)則的作用�？刂撇呗缘膬r(jià)值體現(xiàn)在把控制規(guī)則的潛力通過控制系統(tǒng)執(zhí)行最大限度地發(fā)揮出來。而控制規(guī)則根據(jù)理論基礎(chǔ)的不同可以分為：模糊控制、專家系統(tǒng)等。
2.1模糊控制
在線模糊控制策略根據(jù)間接參數(shù)類型可分為以下類型：在線DO模糊控制策略、在線ORP和pH模糊控制策略。其中S.Y.Wang等[3]比較了3種運(yùn)行模式：SBR短程工藝傳統(tǒng)控制模式、兩段交替好氧/厭氧SBR定時(shí)控制模式和兩段交替好氧/厭氧SBR實(shí)時(shí)控制模式處理大豆廢水的處理效 果與運(yùn)行性能。此后采用類似的控制思路。A．Traor6等E2]對SBR中試裝置反應(yīng)過程的DO參數(shù)進(jìn)行模糊邏輯控制。采用3種方法進(jìn)行控制：開／關(guān)控制、PID控制、模糊控制器。基于開／關(guān)控制和PID的控制策略很難適應(yīng)SBR進(jìn)水水質(zhì)的變化及SBR系統(tǒng)的高度非線性特征，但是應(yīng)用模糊控制器建立合理的模糊邏輯控制策略實(shí)現(xiàn)了對DO更穩(wěn)定的控制。但是以上在線模糊控制系統(tǒng)魯棒性仍有待提高．易受參數(shù)信號噪音波動的干擾。因此模糊控制策略需要加強(qiáng)其抗干擾能力和識別能力。
此后S．Marsili—Libelli等[]通過模糊類型識別進(jìn)行SBR轉(zhuǎn)化的控制�？刂撇呗缘暮诵暮完P(guān)鍵在于引入了模糊聚類技術(shù)，建立了合理的模糊干涉機(jī)制．從而成功地實(shí)現(xiàn)了根據(jù)簡單的間接過程參數(shù)(ORP、DO、pH值)實(shí)現(xiàn)SBR的模糊控制。模糊干涉機(jī)制基本原理如下：過程數(shù)據(jù)(pH值、DO、ORP等)經(jīng)過微波除噪和微分處理之后，數(shù)據(jù)微分值進(jìn)入模糊聚類模塊，該模塊首先應(yīng)用一個(gè)邏輯算法的持續(xù)時(shí)間檢查器，來防止這個(gè)階段的過早結(jié)束或過分延長。基于一套詳細(xì)的模糊運(yùn)算法則，機(jī)制識別出實(shí)時(shí)階段(好氧或厭氧)，最終根據(jù)機(jī)制輸出的結(jié)果轉(zhuǎn)化變量執(zhí)行硬性的開關(guān)轉(zhuǎn)化命令。同時(shí)模糊運(yùn)算法則能夠適應(yīng)進(jìn)水波動和生物量改變引起的過程變化，保持其識別能力。此外，Y．J．Kim等。開發(fā)出基于規(guī)則的模糊干涉算法，以及基于模糊規(guī)則的控制策略．利用建立的模糊控制系統(tǒng)處理SBR工藝過程在線數(shù)據(jù)．并對SBR設(shè)備故障進(jìn)行診斷。該控制系統(tǒng)顯示出快速檢測和診斷各種錯(cuò)誤的良好性能，同時(shí)使診斷出來的各種錯(cuò)誤及時(shí)糾正成為可能。
2.2、專家系統(tǒng)
Brenner[提出一種利用電腦對SBR工藝過程進(jìn)行分析的專家系統(tǒng)．在該控制系統(tǒng)中對分散的難于分析的數(shù)據(jù)進(jìn)行存儲，組織以及利用高級圖表統(tǒng)計(jì)方法深入處理．最終得到一份可編輯的信息摘要。但是文中并沒有給出有關(guān)統(tǒng)計(jì)方法的詳細(xì)的提示信息。文中提出的專家系統(tǒng)所需的信息來源于經(jīng)驗(yàn)和數(shù)學(xué)模型仿真模塊不斷更新的數(shù)據(jù)庫，導(dǎo)致該專家系統(tǒng)的結(jié)果不夠詳細(xì)和精確。另外文中還涉及到SBR工藝各種工況的數(shù)學(xué)建模與仿真，雖然還只是停留在理論研究階段，還沒有針對實(shí)際污水處理廠進(jìn)行反復(fù)試驗(yàn)和推理驗(yàn)證，但是這為今后專家系統(tǒng)的實(shí)際推廣和應(yīng)用奠定了理論基礎(chǔ)。W．J．Ng等8j在Brenner[基礎(chǔ)上提出了結(jié)構(gòu)類似的專家系統(tǒng)。此專家系統(tǒng)比Gall等9開發(fā)的知識庫專家系統(tǒng)性能更優(yōu)越，具體體現(xiàn)以下4個(gè)方面：嚴(yán)謹(jǐn)?shù)睦碚撝R基礎(chǔ)，利用數(shù)據(jù)統(tǒng)計(jì)分析技術(shù)考慮系統(tǒng)特異性，診斷和分析能力強(qiáng)，知識基礎(chǔ)和規(guī)則自動更新及時(shí)追蹤系統(tǒng)最新動態(tài)變化。對城市污水脫氮SBR在線控制系統(tǒng)進(jìn)行了研究．開發(fā)了初步的專家智能控制系統(tǒng)，該控制系統(tǒng)能進(jìn)行全自動運(yùn)行來完成污水的脫氮除磷。該系統(tǒng)具備人工手動或設(shè)定控制和基于檢測參數(shù)的全自動控制。參數(shù)檢測間隔為1min，顯示實(shí)時(shí)過程參數(shù)曲線。數(shù)據(jù)通過濾波降噪等處理，專家系統(tǒng)對眾參數(shù)進(jìn)行分析和決策，并實(shí)時(shí)控制。系統(tǒng)通過建立信息處理和特征識別，神經(jīng)網(wǎng)絡(luò)，知識庫和推理機(jī)制來實(shí)現(xiàn)多參數(shù)控制變量的最后決策。
綜上所述．基于該專家系統(tǒng)的SBR控制策略在一定程度上都結(jié)合數(shù)學(xué)模型以及統(tǒng)計(jì)分析技術(shù)，由此可見數(shù)學(xué)建模與仿真對于SBR控制策略的建立有著不可分割的聯(lián)系。
3、基于模型的控制策略
SBR系統(tǒng)屬于復(fù)雜的動態(tài)工程系統(tǒng)，具有高度非線性特征。目前還無法建立起精確的數(shù)學(xué)模型來完整地描述。但是通過對SBR系統(tǒng)進(jìn)行簡化可以建立相應(yīng)的數(shù)學(xué)模型。建立的SBR數(shù)學(xué)模型按原理可分為3類：機(jī)理模型、統(tǒng)計(jì)模型和混合模型。其中機(jī)理模型是依據(jù)SBR過程的質(zhì)量、能量及動量守恒的原則，以及反應(yīng)動力學(xué)等原理為基礎(chǔ)建立SBR數(shù)學(xué)模型，屬“白箱模型”；統(tǒng)計(jì)模型是依據(jù)過程輸入、輸出數(shù)據(jù)。利用一定的統(tǒng)計(jì)方法對數(shù)據(jù)進(jìn)行分析來建立模型，屬“黑箱模型”；混合模型．把前兩種模型結(jié)合既利用過程機(jī)理又利用測試數(shù)據(jù)來建立模型，使其兩者優(yōu)勢互補(bǔ)。因此不同的數(shù)學(xué)模型衍生出不同的控制策略。
3.1、機(jī)理模型控制策略
早期的機(jī)理模型雖然參數(shù)求解和計(jì)算過程相對簡單，但大多數(shù)為只考慮有機(jī)物去除的靜態(tài)模型，缺乏模擬SBR系統(tǒng)動態(tài)特征的功能．也沒有模擬營養(yǎng)物去除的功能，很難應(yīng)用到實(shí)際中。因此這段時(shí)期采用數(shù)學(xué)模型的SBR控制策略研究和應(yīng)用都比較罕見。直到1986年國際水質(zhì)協(xié)會(IAWQ)提出ASM1號模型_1．不僅推動了SBR機(jī)理模型從靜態(tài)模型向動態(tài)模型轉(zhuǎn)變，而且使基于數(shù)學(xué)模型的控制策略的應(yīng)用變?yōu)榭赡堋?BR>隨著ASM2、ASM2d、ASM3[12-13]模型的相繼推出，就不斷有研究人員將其應(yīng)用到SBR控制策略中，利用數(shù)學(xué)模型的預(yù)測功能實(shí)現(xiàn)對SBR系統(tǒng)運(yùn)行的優(yōu)化控制。雖然ASM模型并不是針對SBR工藝開發(fā)的，但是ASM模型的提出為SBR數(shù)學(xué)模型的建立提供了強(qiáng)有力的支持，同時(shí)也一定程度上促進(jìn)了SBR控制策略的發(fā)展。
實(shí)際上ASM模型結(jié)構(gòu)相對復(fù)雜，計(jì)算量大，響應(yīng)時(shí)間長，不利于實(shí)際應(yīng)用。從而研究人員開始嘗試從不需要獲取SBR系統(tǒng)過程中的詳細(xì)信息的黑箱模型人手，建立相應(yīng)的SBR數(shù)學(xué)模型．其中最典型的就是神經(jīng)網(wǎng)絡(luò)模型。
3.2、神經(jīng)網(wǎng)絡(luò)控制策略
神經(jīng)網(wǎng)絡(luò)模型是統(tǒng)計(jì)模型(黑箱模型)中最常用的一種SBR數(shù)學(xué)模型。特別是人工神經(jīng)網(wǎng)絡(luò)模型(ANN模型)可以代替?zhèn)鹘y(tǒng)數(shù)學(xué)模型完成由輸入到輸出空間的映射，直接根據(jù)對象的輸入、輸出數(shù)據(jù)進(jìn)行建模，需要的對象先驗(yàn)知識較少，其較強(qiáng)的學(xué)習(xí)能力對模型校正非常有利人工神經(jīng)網(wǎng)絡(luò)不僅應(yīng)用到傳統(tǒng)SBR工藝[14一t．同時(shí)也適用于SBR變型工藝ICEAS[16-i7]。其中，CohenA等_l4]采用結(jié)合進(jìn)化模糊神經(jīng)網(wǎng)絡(luò)(EFuNN)和邏輯決策單元的控制系統(tǒng)檢測和識別幾何特征點(diǎn)。此法具有快速學(xué)習(xí)功能，能在環(huán)境條件變化引起DO曲線幾何特征變化的情況下依然能檢測出幾何特征點(diǎn)。雖然基于以上兩種方法的控制系統(tǒng)是用于檢測好氧階段DO曲線變化點(diǎn)，但該系統(tǒng)同樣能擴(kuò)展到檢測缺氧階段ORP曲線變化點(diǎn)。SungHunHong等C15]僅僅利用在線ORP、pH值、DO參數(shù)信息通過ANN模型對SBR系統(tǒng)中氨氮濃度、硝態(tài)氮濃度和正磷酸鹽濃度進(jìn)行預(yù)測。值得一提的是，該研究中通過采用多路主成分分析技術(shù)(MPCA)在一定程度上克服了ANN模型的外推問題，這主要?dú)w功于MPCA的檢測異常情況的能力。
Ruey—FangYu等N6]考察實(shí)時(shí)控制方式增強(qiáng)ICEAS系統(tǒng)的脫氮性能，利用ORP與pH曲線上可以指示硝化、反硝化過程的特征點(diǎn)作為實(shí)時(shí)控制過程中的重要控制點(diǎn)，控制策略描述如下：控制過程從為期2．5h的厭氧階段開始，之后開始好氧階段�？刂葡到y(tǒng)利用實(shí)時(shí)信息控制單元計(jì)算并檢測出折點(diǎn)A(指示硝化作用結(jié)束的特征點(diǎn))。同時(shí)，人工神經(jīng)網(wǎng)絡(luò)控制單元讀取所需的信息，預(yù)計(jì)出ORP和pH值的設(shè)定點(diǎn)及設(shè)定時(shí)間。然后定義出折點(diǎn)，并將此折點(diǎn)與人工神經(jīng)網(wǎng)絡(luò)控制單元預(yù)計(jì)出的設(shè)定點(diǎn)和設(shè)定時(shí)間進(jìn)行核對。如果探測出的折點(diǎn)處于設(shè)定點(diǎn)和設(shè)定時(shí)間允許的時(shí)間間隔之內(nèi)，則此折點(diǎn)可以作為實(shí)時(shí)控制點(diǎn)。控制程序?qū)⑥D(zhuǎn)為缺氧階段。當(dāng)停留時(shí)間超過設(shè)定時(shí)間的120％時(shí)，操作程序也將轉(zhuǎn)為缺氧階段。否則控制程序?qū)⒎祷厝ヌ綔y折點(diǎn)。從缺氧向沉淀階段的過渡與從厭氧向好氧階段的過渡遵循同樣的邏輯程序，當(dāng)B點(diǎn)確定時(shí)，控制系統(tǒng)停止曝氣。之后分別進(jìn)行l(wèi)h沉淀和30min排水。具體參見http://www.yiban123.com更多相關(guān)技術(shù)文檔。
3．3主成分分析(PCA)控制策略
現(xiàn)在多元統(tǒng)計(jì)過程控制技術(shù)(MSPC)已經(jīng)廣泛應(yīng)用于工業(yè)批次生產(chǎn)．其中應(yīng)用最為廣泛的是主成分分析(PCA)技術(shù)、部分最小二乘(PLS)法、主元回歸(PCR)等。很多研究人員嘗試把PCA技術(shù)應(yīng)用到SBR工藝中，建立相應(yīng)的統(tǒng)計(jì)模型及控制策略。
DaeSungLee等Il8課題組提出一種結(jié)合自適應(yīng)PCA技術(shù)和多模塊PCA兩種技術(shù)元素的監(jiān)控算法，基于此算法的統(tǒng)計(jì)模型成功地應(yīng)用于SBR小試的在線監(jiān)控運(yùn)行。之后該課題組又提出一種用于自適應(yīng)污水處理過程監(jiān)測的通用的PCA算法ll9]，這種算法不需像傳統(tǒng)MPCA模型那樣進(jìn)行預(yù)測估計(jì)，基于此算法的PCA模型具有監(jiān)測性能與MPCA模型性能一致。ChangKyooYoo等針對MPCA技術(shù)要求所有批次長度必須相等，測量變量必須正態(tài)分布，以及估計(jì)的當(dāng)前批次的未來值必須允許在線監(jiān)控的缺點(diǎn)，開發(fā)出多路獨(dú)立成分分析技術(shù)(MICA)在線監(jiān)測SBR工藝過程，優(yōu)化工藝周期運(yùn)行。在此基礎(chǔ)上，此課題組嘗試?yán)肕KPCA技術(shù)用于監(jiān)測中試SBR的運(yùn)行，在線監(jiān)測結(jié)果顯示這種自適應(yīng)和非線性監(jiān)測模型具有較低的虛假警報(bào)率和很強(qiáng)的魯棒性_21]。隨后一種新型非線性批次監(jiān)測技術(shù)多路核心主成分分析技術(shù)(MKPCA)出現(xiàn)并開始應(yīng)用于解決非線性問題[22]。該研究在一定程度上有助于解決SBR系統(tǒng)的非線性特征帶來的建模難的問題。
但是，PCA統(tǒng)計(jì)模型也存在過于復(fù)雜、計(jì)算量大、響應(yīng)時(shí)間長等與生俱來的缺陷。為了克服PCA統(tǒng)計(jì)模型和神經(jīng)網(wǎng)絡(luò)各自的不足和缺點(diǎn)．研究人員開始把PCA技術(shù)和神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合建立混合模型，達(dá)到互補(bǔ)的效果和作用。基本思路如下：通過PCA技術(shù)對已有的數(shù)據(jù)矩陣進(jìn)行降維處理之后，再將其輸入到神經(jīng)網(wǎng)絡(luò)模型中。由于神經(jīng)網(wǎng)絡(luò)受到網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜性和樣本復(fù)雜性的影響較大。易出現(xiàn)“過擬合”現(xiàn)象。且泛化能力較低。PCA技術(shù)不僅簡化了神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)。提高了收斂速度和精度，縮短了神經(jīng)網(wǎng)絡(luò)的模擬時(shí)間，同時(shí)還減少神經(jīng)網(wǎng)絡(luò)過擬合現(xiàn)象，增強(qiáng)其泛化能力。
SungHunHong等采用ANN模型預(yù)測小試SBR出水氨氮、磷酸鹽和硝態(tài)氮濃度。作者將ANN模型一分為二分別對厭氧好氧條件系統(tǒng)進(jìn)行模擬．這有助于提高神經(jīng)網(wǎng)絡(luò)模型的性能。此外神經(jīng)網(wǎng)絡(luò)模型通過MPCA技術(shù)檢測運(yùn)行異常情況的能力能在一定程度上克服神經(jīng)網(wǎng)絡(luò)模型存在的外推問題。雖然主元分析神經(jīng)網(wǎng)絡(luò)(PCA—ANN)模型在污水處理數(shù)據(jù)分析和模擬仿真方面具有一定的優(yōu)勢。不過該模型對污水生物處理機(jī)理的研究不夠深入，缺乏定量的分析和完備的理論基礎(chǔ)支持，導(dǎo)致模型的結(jié)構(gòu)復(fù)雜．訓(xùn)練時(shí)間較長。因此近年來人們開始嘗試建立機(jī)理模型和神經(jīng)網(wǎng)絡(luò)模型結(jié)合的混合模型．這類模型既能把握與系統(tǒng)性能相關(guān)的關(guān)鍵變量。簡化了模型結(jié)構(gòu)，又具有神經(jīng)網(wǎng)絡(luò)黑箱模型的優(yōu)點(diǎn)，極大地節(jié)省響應(yīng)時(shí)間。
3.4混合模型控制策略
混合模型利用傳統(tǒng)數(shù)學(xué)模型機(jī)理方面的優(yōu)勢為統(tǒng)計(jì)模型(神經(jīng)網(wǎng)絡(luò)模型)提供系統(tǒng)的真實(shí)信息，避免大量無用的信息干擾統(tǒng)計(jì)模型的預(yù)測，從而節(jié)省模型的計(jì)算時(shí)間。HongZhao等提出由簡化的代謝模型和人造神經(jīng)網(wǎng)絡(luò)組成的混合模型。該混合模型依賴于對輸出量的初步預(yù)測(比如出水磷濃度)，并且過程偏差通過一個(gè)“馴化的”神經(jīng)網(wǎng)絡(luò)得到修正．故此只需要對較少的參數(shù)進(jìn)行校正。之后該學(xué)者又提出了一種混合模型，該模型是將神經(jīng)網(wǎng)絡(luò)引入到ASM2簡化模型中形成的，這種模型適合在線預(yù)測與控制．不需要頻繁校正，具有較強(qiáng)魯棒性。
此外．D．Zyngier等采用擴(kuò)展Kalman過濾器(EKF)建立SBR混合模型，該模型在SBR機(jī)理簡化模型的基礎(chǔ)上耦合了反饋神經(jīng)網(wǎng)絡(luò)模型，簡化模型用來預(yù)測氨氮和硝態(tài)氮．反饋神經(jīng)網(wǎng)絡(luò)推斷有機(jī)物。該模型具有較強(qiáng)的魯棒性，即使模型與實(shí)際數(shù)據(jù)之間存在一定的偏差對模型預(yù)測性能影響也不大。
4、混合智能控制策略
人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)和模糊邏輯技術(shù)等智能控制方法本身都是新興學(xué)科，尚處在發(fā)展的初級階段，還未形成完整的理論體系，應(yīng)該不斷跟蹤其發(fā)展并將其及時(shí)應(yīng)用到污水生物處理系統(tǒng)中。綜合利用模糊控制、人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等智能控制系統(tǒng)的優(yōu)點(diǎn)，克服它們各自的缺陷，以達(dá)到污水生物處理系統(tǒng)的高效穩(wěn)定運(yùn)行。
為了克服人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)復(fù)雜、計(jì)算量大、響應(yīng)時(shí)間長的缺點(diǎn)．研究人員開發(fā)出傳統(tǒng)的模糊一神經(jīng)網(wǎng)絡(luò)控制器[25]，該控制器整合了模糊控制和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)。除了人工神經(jīng)網(wǎng)絡(luò)(ANN)之外，采用模糊神經(jīng)網(wǎng)絡(luò)(FuNN)模塊檢測并識別DO曲線幾何特征點(diǎn)。DavideSottara等嘗試?yán)蒙窠?jīng)網(wǎng)絡(luò)和模糊邏輯控制兩種智能技術(shù)聯(lián)合對中試SBR系統(tǒng)進(jìn)行控制。SBR工藝過程中的DO、ORP、pH值等控制參數(shù)信號經(jīng)過神經(jīng)網(wǎng)絡(luò)處理之后再南模糊邏輯控制模塊進(jìn)一步分析和診斷，最終經(jīng)過控制決策單元作出系統(tǒng)優(yōu)化決策，實(shí)現(xiàn)SBR系統(tǒng)的自動高效運(yùn)行。
為了實(shí)現(xiàn)SBR工藝的實(shí)時(shí)在線控制，YangQZ等[28]開發(fā)出一種智能控制系統(tǒng)，該智能系統(tǒng)結(jié)合了模糊邏輯控制和專家控制系統(tǒng)兩種技術(shù)。其中模糊邏輯控制單元用于追蹤控制參數(shù)的曲線變化，專家系統(tǒng)由基于規(guī)則推理和基于案例推理兩部分組成．用于對模糊邏輯控制單元的輸出結(jié)果進(jìn)行進(jìn)一步推理和診斷。結(jié)果顯示：此混合控制系統(tǒng)比單一控制系統(tǒng)更有效率，不僅能有效降低能耗，而且在保證出水水質(zhì)的前提下減少運(yùn)行成本。
由于ASM機(jī)理模型無法綜合考慮復(fù)雜的SBR系統(tǒng)的所有內(nèi)部影響因素．特別是污泥沉淀性能和微生物群落結(jié)構(gòu)變化等因素。因此，G．Sin等通過考察基于模型的脫氮除磷SBR系統(tǒng)優(yōu)化控制方法之后．提出把有價(jià)值的專家知識整合到SBR數(shù)學(xué)模型中．使專家系統(tǒng)和數(shù)學(xué)模型共同組成控制系統(tǒng)決策單元．有助于增強(qiáng)SBR控制系統(tǒng)的決策能力和優(yōu)化運(yùn)行性能。此類控制策略既可以利用前人的經(jīng)驗(yàn)．又具有較強(qiáng)的自學(xué)習(xí)能力，能夠提高系統(tǒng)的適應(yīng)性。因此．比較適用于污水處理這種高度非線性、滯后性、時(shí)變性的系統(tǒng)．應(yīng)作為以后污水處理智能控制的主要研究方向。
5、展望
智能控制是實(shí)時(shí)控制發(fā)展的高級階段．智能控制策略是未來SBR實(shí)時(shí)控制的發(fā)展趨勢。它不僅能實(shí)現(xiàn)SBR污水處理工藝的優(yōu)化運(yùn)行．而且能促進(jìn)SBR工藝的廣泛應(yīng)用。雖然針對SBR工藝實(shí)時(shí)控制的研究已經(jīng)取得了明顯的進(jìn)展．但智能控制策略還停留在初級階段，這在一定程度上限制了實(shí)時(shí)控制技術(shù)在SBR實(shí)際污水處理廠的應(yīng)用。
綜上所述，SBR工藝智能控制策略還存在很大的研究空間和發(fā)展?jié)摿�，具體可從以下幾個(gè)方面人手：
(1)比較現(xiàn)有智能控制技術(shù)控制策略的優(yōu)缺點(diǎn)，分析限制各控制技術(shù)實(shí)際應(yīng)用的缺點(diǎn)．制定有針對性的改進(jìn)或改良方案，加強(qiáng)其實(shí)用性。
(2)綜合兩種甚至多種智能控制技術(shù)。開發(fā)混合智能控制策略，使其兼有兩種智能控制技術(shù)的優(yōu)勢，揚(yáng)長避短，發(fā)揮出單一智能控制策略無法達(dá)到的優(yōu)勢。
(3)不斷跟蹤ICA技術(shù)的發(fā)展，發(fā)現(xiàn)適合SBR工藝特征的最新控制技術(shù)．開發(fā)出與SBR工藝匹配的智能控制策略。
(4)加強(qiáng)SBR工藝過程機(jī)理知識的研究，通過深入了解SBR工藝過程狀態(tài)，結(jié)合智能控制技術(shù)建立穩(wěn)定的智能控制策略，進(jìn)而開發(fā)出魯棒性強(qiáng)的智能控制系統(tǒng)．促進(jìn)SBR工藝的進(jìn)一步推廣和應(yīng)用。
