基于CBR的曝气池智能实时供氧控制专家系统的设计

基于CBR的曝气池智能实时供氧控制专家系统的设计摘要：本文介绍了基于案例推理(Case Based Reasoning：CBR)的曝气池智能实时供氧控制专家系统的初步设计。着重说明了在难以建立精确的曝气池实时供氧控制系统模型里，采用CBR技术对曝气池进行准确而高效的实时供氧的必要性和可能性。本系统的应用将具有良好的节能效果，从而增加污水厂的经济效益，强化自动管理。
  关键词：基于规则推理 曝气池 供氧 专家系统  　　1．曝气池智能实时供氧控制专家系统的必要性及研究现状
  　　在城市污水和工业废水处理中，多采用运行可*、成本低，以好氧生物处理为主的处理工艺，其中供氧能耗占运行总能耗的 60％左右[1]。现行的供氧方式主要有2种类型：基于电机驱动的曝气转刷的机械式曝气和基于鼓风机～曝气头式的鼓风曝气。在实际运行中，由于进水水质的变化，好氧池中混合液需氧量也是不断变化的，而曝气转刷的数量以及风机的数量和曝气头的类型均按理论需氧量来设计，并适当增设一定数量作为备用。为了满足足够的溶解氧，曝气转刷和鼓风机都工作在气量最大需求的状态下运行，造成气量过大，溶解氧值过高，则不仅会增加能耗，同时也会造成混合液絮体分散和破碎，而且使二沉池的固液难以分离。
  　　由于好氧生物处理系统的复杂性和诸多不可预测性，影响DO值的因素有进水水质、氧转移速率、微生物量及其活性和底物的去除速率，很难建立一个高效而准确的处理模型来描述DO和这些参数的关系，所以建立一个精确而高效的动态供氧系统是件相对复杂的事情。目前在这方面的研究方法主要有模糊理论、人工神经网络、随机优化技术和专家系统等。曾薇等采用SBR法处理啤酒废水的过程中，将在线检测DO浓度与人工神经网络系统相结合实现对曝气量的模糊控制试验研究，结果表面，人工神经网络系统可根据初始阶段DO的大小及变化情况预测进水有机物浓度和相应的曝气量，与此同时，以初始阶段的DO作为曝气量的模糊控制参数，实现对曝气量的模糊控制[2]。王华丰等采用了模糊控制方法控制曝气池的DO浓度，在不同情况下采用不同的策略实现风量节能的控制方案，对仿真结果和结合现场实际情况对方案进行了分析[3]。
  　　随着具有的优异调速和起制动性能，高效率、高功率因数和节电效果的电机交流变频调速技术在诸多行业的广泛而成熟的应用，将该种技术与一个智能实时供氧控制系统结合起来用于鼓风机或者曝气转刷驱动电机的变频调速以动态地调节曝气池溶解氧的变化使之维持在一个最适宜的值将大大地降低污水处理厂地供氧能耗，从而显著的降低污水处理的运营成本，增加经济效益，同时能强化污水厂的自动化水平。
  

　　

　　本系统由进水COD/BOD、曝气池温度、污泥浓度、溶解氧和出水COD/BOD传感器，智能实时供氧控制专家系统，变频器，风机等构成。在线传感器把获取的数据传输到智能实时供氧控制系统以后，由控制系统和变频器调节风机的转速。
  　　2．CBR技术在曝气池智能实时供氧控制专家系统中的应用
  　　专家系统（ES, Expert System）是一种模拟人类专家解决领域问题的计算机控制系统。近年来国内对专家系统在污水处理中的智能控制的应用研究也逐渐兴起。清华大学的施汉昌等开发的污水厂故障诊断专家系统，采用的是正反向混和推理机制，采用故障树的形式将知识库中的知识组织形式向用户开放，并有较好的应用[4]。
  　　对于一般的专家系统来说，包括人机交互接口、知识获取机构、推理机构、解释机构、知识库、数据库等。而其中的推理机构是智能系统的思维机构，是构成智能系统的核心，其可以分为基于规则的推理和基于范例推理的两大类。
  　　CBR方法1983年起源于美国耶鲁大学。该系统是由目标范例的提示而得到历史记忆中的源范例，并由源范例来指导目标范例求解的一种策略。它首先根据问题的特征，从范例库中检索出相似的范例，再以知识库中的领域知识和经验为指导，根据问题的实际情况对检索的范例加以调整、修补和综合使之更加符合当前的情况。CBR的显著优点在于：信息的完全表达，增量式学习，形象思维的准确模拟，知识获取较为容易，求解效率高等，与传统专家系统相比，它最大的优点在于动态知识库，更接近于人类的决策过程[5]。
  　　由于缺少一个精确的动态供氧模型，传统的基于规则的推理技术不能很有效的解决这个问题。由于CBR系统不必依赖于其内在的因果关系，具有一定的随意性和盲目性，非常适合该种非理论性很强的模型的运行控制。
  　　3．基于CBR的曝气池智能实时供氧控制专家系统结构
  　　
  　　基于CBR的智能实时供氧控制专家系统结构图如图2所示：
  

　　

　　图2 曝气池智能实时控制专家系统结构流程图

　　1．  加载案例：加载本系统案例库中的历史案例。对于CBR应用来说，一个很重要的工作就是构筑有效的范例。范例库犹如知识库，其正确性直接影响着 CBR的推理。在范例获取方面主要通过如下两种形式：广泛征求污水处理控制专家的意见从成功的经验中提取初始范例；或者通过自学习能力丰富范例库中的范例。范例的结构通常包括范例ID、状况描述、诊断结果、执行方案、范例来源、执行结果，使用度、与原是范例相似度等。例如好氧生物处理供氧系统可以如下描述：
  　　 范例编号　　 Case 1　　 状况描述　　 (( 流量  245m3/d), (进水CODcr 450mg/L)，(进水BOD5 200mg/L)，（DO 2mg/L）)，（MLSS，3000mg/L），（温度，250C）…　　 诊断结果　　 正常状况　　 执行方案　　 (调高DO)　　 范例来源　　 初始范例/ Case 2　　 执行结果　　 成功　　 使用度　　 0.45　　 与原始范例的相似度　　 0.4587 　　2．  新案例描述：输入曝气池中重要特征参数值和各种特征参数的权系数，本系统要求输入的特征参数为：（a）流量；（b）进水的CODcr；（c）进水的BOD5；（d）曝气池中的污泥浓度；（e）曝气池的pH值；（f）曝气池温度；（f）曝气池的主要微生物种类的分布；（g）出水的CODcr；（h）出水的BOD5等。
  　　3．  案例的检索：根据输入的特征参数及其权系数，在案例库中进行搜寻，找出与当前案例最相近的状况。系统根据案例的相似度进行排序，相似度大排在前面，相应的解决方案作为结果予以输出，用户可以采用最相似的方案或者作部分调整。
  　　两案例的匹配度的计算公式如下：
  　　
  

　　

　　其中：
  　　Ds表示为案例c与c*的匹配度；
  　　Wi为各特征参数的权值因子；
  　　Xi，Yi分别表示案例c和c*的初始特征或者结论可信度[6]。
  　　当Ds＝1时，表面这两个案例最相似，即完全匹配；当Ds＝0时，表明两个案例完全不相同。
  　　那么在CBR应用中，只要用户输入问题的描述，计算机几乎可以直接通过检索技术找到类似问题的答案，这样推理机制大大简化。
  　　4．  案例的评估：系统对查询获取的方案进行执行结果以后进行评估，对于一个新案例，如果有较高的准确度。为了提高系统的自适应能力。同时保持范例库中案例的时效性也是很有必要的。新的范例处理完毕以后，其推理思路、判断方案、所用模型等可以作为经验用于将来情况与之相似的问题，因此有必要把它加入到典型范例库中。把新的案例加入到典型范例库时，需要对它建立有效的索引，以方便后续检索。但是显然对于CBR系统的范例库的维护仍然是一个很重要问题。范例量过大可以提高可*性，但是若过多会造成冗余，则会降低系统的运行速度和可维护性。
  　　5．  范例的修改：用户对评价不合格的方案，根据现场专家和工作人员的指导性意见予以修改，系统对修改后的方案再评估，直到合格为止。
  　　4．结论
  　　智能实时曝气供氧控制系统是CBR技术和好氧生物处理技术的结合，也是集污水处理专家经验、好氧生物处理理论及工程与一体构成的知识库。在实际运行中，根据CBR智能实时供氧控制系统的反馈信息降低或提高曝气转刷的转速或者鼓风机的转速，不仅能保证良好的污水处理效果，而且还有显著的节能效果。
  　　当前基于变频调速设备的价格总体呈逐渐下降的趋势，而电价却在逐渐上升，因此对污水处理中部分大容量电机进行变频设计和改造，回收投资周期亦很短暂，而所创造的经济效益和社会效益则是显著的。
  　　参考文献：
  　　[1]赵颍然，大型污水处理厂曝气鼓风机的电气自动控制，电气传动，2004年 第4期：54－56；
  　　[2]曾薇等、彭永臻、张立东等，SBR法曝气量的模糊控制，哈尔滨建筑大学学报 ，第35卷 第1期：53－57；
  　　[3]王华丰、王文海，生物反应池溶解氧的模糊控制研究，自动化与仪表，2004（4）：49－51；
  　　[4]施汉昌、王育钰，污水处理故障诊断专家系统，给水排水，Vol.27 No.8 2001 ：88－90；
  　　[5]韩军、车文刚，CBR－一种新型的人工智能推理方法，昆明理工大学学报（理工版），第28卷第1期 2003年2月：88－91；
  　　[6] Srinivas Krovvidy，Intelligent Tools for Wastewater Treatment Design，Computer-Aided Civil and Infrastructure Engineering， 13(1998)： 219-226；
  　　[7]杭小树、熊范伦，基于CBR的农作物病虫害预报专家系统，计算机工程与应用， 2000.10：161－163；
  　　[8]高春娣、王淑莹、彭永臻等，DO对有机物降解速率及污泥沉降性能的影响，中国给水排水， 2001 Vol.17 No.5 ：12－15；
  　　[9] lgnasi R.-Roda，Manel Poch ，Learning and Adaptation in Wastewater Treatment Plants Through Case-Based Reasoning，Microcomputers in Civil engineering 12(1997)： 251-266；

这个贴不错！！！！！看了之后就要回复贴子，呵呵  

非常感谢～～～～～～～～～～～

qq皮肤图　超拽个性签名　女生网名 伤感　非主流带字男生头像　非主流图片女生