人工智能應(yīng)用于水污染控制過程的研究進(jìn)展

李若飛 達(dá)爾仁·阿斯哈提 王振豪 梁 爽 張樂華

（華東理工大學(xué)資源與環(huán)境工程學(xué)院，上海 200237）

由于城鄉(xiāng)差距大，水體分布不均勻，以及水的嚴(yán)重浪費(fèi)和不合理使用，導(dǎo)致能有效使用的淡水資源變少。水污染控制技術(shù)在環(huán)境工程領(lǐng)域具有重要地位。從控制系統(tǒng)設(shè)計(jì)的角度看，由于污染物的多樣性、復(fù)雜性和變化性，污水處理屬于難以控制的復(fù)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(xué)模型的特點(diǎn)，因而適用于復(fù)雜的污水處理過程的控制。在歐、美、日等發(fā)達(dá)國家，人工智能在污水處理領(lǐng)域已有許多成功的應(yīng)用實(shí)例，展現(xiàn)出極為廣闊的應(yīng)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(shù)研究尚處于起步階段，加強(qiáng)對污水處理系統(tǒng)智能控制技術(shù)的研究是當(dāng)務(wù)之急[3]。本文根據(jù)現(xiàn)階段人工智能在污水處理中的應(yīng)用現(xiàn)狀，介紹了控制系統(tǒng)和監(jiān)測系統(tǒng)之間關(guān)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(luò)因其較強(qiáng)的非線性映射能力和自學(xué)習(xí)能力，非常適合用于水處理方面，是目前軟測量領(lǐng)域中最為活躍的研究分支[4]。QI H等[5]提出了一種機(jī)理模型和神經(jīng)網(wǎng)絡(luò)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(luò)的軟測量模型用于浮選過程預(yù)測。肖紅軍等[7]將機(jī)理、統(tǒng)計(jì)或者是經(jīng)過人工智能算法分析得到的各個(gè)過程變量輸入到徑向基神經(jīng)網(wǎng)絡(luò)中，以充分發(fā)揮RBFNN的逼近能力，提高軟測量模型預(yù)測的準(zhǔn)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(luò)相結(jié)合的技術(shù)指標(biāo)軟測量模型研發(fā)出來[8]。

軟測量模型在礦物浮選實(shí)際應(yīng)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(luò)相結(jié)合的經(jīng)濟(jì)技術(shù)指標(biāo)軟測量模型來運(yùn)算，RBF神經(jīng)網(wǎng)絡(luò)則實(shí)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(jié)構(gòu)

1.2 SVM模型

支持向量機(jī)是近年發(fā)展起來的新興人工智能技術(shù)。在分析最小二乘支持向量機(jī)理論基礎(chǔ)上，采用一種改進(jìn)的粒子群優(yōu)化算法優(yōu)化支持向量機(jī)的參數(shù)，模型具有較高的精度，基本可以實(shí)現(xiàn)出水BOD（生化需氧量）值的在線預(yù)估[9]。與神經(jīng)網(wǎng)絡(luò)的啟發(fā)式學(xué)習(xí)方法及其實(shí)現(xiàn)中的大量經(jīng)驗(yàn)分量相比，支持向量機(jī)具有更為嚴(yán)密的理論和數(shù)學(xué)基礎(chǔ)。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(yīng)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(luò)

近年來，隨著智能控制理論的發(fā)展，智能仿生技術(shù)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(guān)注，尤其是神經(jīng)網(wǎng)絡(luò)的應(yīng)用。Belchior等[11]設(shè)計(jì)了一種對溶解氧控制含有自適應(yīng)模糊控制策略和監(jiān)督模糊控制的反饋跟蹤方法，實(shí)驗(yàn)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(luò)模型建立了污染物的去除率和化學(xué)藥物添加量之間的非線性關(guān)系，經(jīng)過人工智能算法分析得到的各個(gè)過程變量輸入到神經(jīng)網(wǎng)絡(luò)中，以充分發(fā)揮RBFNN的逼近能力，提高軟測量模型預(yù)測的準(zhǔn)確率。

2 人工智能應(yīng)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(wù)（General Packet Radio System）的縮寫，是介于第二代和第三代之間的一種技術(shù)，通常稱為2.5G。GPRS采用與GSM相同的頻段、頻帶寬度、突發(fā)結(jié)構(gòu)、無線調(diào)制標(biāo)準(zhǔn)、跳頻規(guī)則以及相同的TDMA幀結(jié)構(gòu)。GPRS無線數(shù)據(jù)傳輸具有設(shè)備成本低、數(shù)據(jù)傳輸安全可靠、使用靈活方便等特點(diǎn)，非常適合遠(yuǎn)程數(shù)據(jù)傳輸上的應(yīng)用。

對于實(shí)際應(yīng)用中，污水排放口數(shù)據(jù)采集點(diǎn)（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(diǎn)安裝有流量計(jì)、COD儀等在線監(jiān)測設(shè)備，數(shù)據(jù)采集模塊通過通信口與這些監(jiān)測設(shè)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(jìn)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(shù)是通過航空或衛(wèi)星等收集環(huán)境電磁波信息對遠(yuǎn)離的環(huán)境目標(biāo)進(jìn)行監(jiān)測和識別的技術(shù)。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(shè)計(jì)方法較為簡單，但是存在遙感監(jiān)測準(zhǔn)確率低的問題；基于組件技術(shù)的富營養(yǎng)化水體COD環(huán)境監(jiān)測系統(tǒng)設(shè)計(jì)方法所用時(shí)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(shù)應(yīng)用到污水自動(dòng)化處理系統(tǒng)中去，檢測處理污水包括pH值、色度、化學(xué)需氧量（COD）、生化需氧量（BOD）等指標(biāo)，構(gòu)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(jì)、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(yīng)用

3.1 DCS控制系統(tǒng)

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

DCS控制系統(tǒng)能滿足污水處理領(lǐng)域的需求，滿足于污水處理領(lǐng)域管控整合控制平臺的需要，系統(tǒng)具備自功制水、自動(dòng)再生，制水計(jì)量、水質(zhì)監(jiān)測、流毓控制、液位調(diào)節(jié)、壓力保護(hù)、上位機(jī)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(xué)術(shù)處理過程的全方位自動(dòng)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(yàn)建立模糊規(guī)則。然后，對實(shí)際檢測數(shù)據(jù)進(jìn)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(jìn)行調(diào)整。最后，對執(zhí)行器進(jìn)行控制，將被檢測對象的數(shù)據(jù)發(fā)送到輸入端進(jìn)行比較，完成控制的實(shí)時(shí)調(diào)整[17]。

費(fèi)雷爾開發(fā)了模糊邏輯控制系統(tǒng)，并將其應(yīng)用于中試規(guī)模巴登福工藝的主要曝氣區(qū)域。實(shí)驗(yàn)結(jié)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(yīng)用前景[18]。

4 結(jié)語

人工智能在水污染控制的應(yīng)用模型主要包括RBFNN軟測量模型、SVM模型和神經(jīng)網(wǎng)絡(luò)。智能控制主要集中在水污染控制工程設(shè)備的PLC、DCS模塊及模糊控制，然而在整個(gè)水處理工程中，人工智能的系統(tǒng)化應(yīng)用和集約程度仍不高，導(dǎo)致其自主學(xué)習(xí)能力差、數(shù)值計(jì)算能力弱、經(jīng)驗(yàn)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(jìn)行驗(yàn)證、修改、增加，通過知識庫的不斷完善來提高系統(tǒng)的運(yùn)行可靠性和診斷效率；采用多種智能方法結(jié)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(jī)器自主學(xué)習(xí)的方法，有助于及時(shí)補(bǔ)充知識，提高診斷系統(tǒng)能力。