污泥膨胀是污水处理过程中经常发生的一种现象，已成为制约活性污泥工艺发展的重大难题之一。由于受进水水质、环境状况、运行条件等因素的影响，污泥膨胀动力学特性非常复杂，建模十分困难。本课题在深入分析活性污泥沉降过程动力学特性的基础上，剖析污泥膨胀的致因机理，研究污泥沉降过程变量与污泥膨胀之间的相关性，获取污泥膨胀的特征变量；对于不能在线测量的特征变量，结合主元分析等方法从相关的可测参量集中找出主元参量，建立其软测量模型。同时研究自组织递归神经网络，获取能够反映污泥沉降比(SV)、污泥体积指数(SVI)等变量的自组织特征模型，并分析自组织特征模型的精确度和稳定性。最后形成具有自主知识产权的污泥膨胀智能特征模型，解决污泥膨胀识别与预测问题。研究工作对于污水处理厂的优化设计，污水处理过程的实时控制，都具有非常重要的支撑作用。因此，本课题的研究具有较高的理论研究价值，成果具有广阔的应用前景。

污泥膨胀是污水处理过程中经常发生的一种现象，已成为制约活性污泥工艺发展的重大难题之一。由于受进水水质、环境状况、运行条件等因素的影响，污泥膨胀动力学特性非常复杂，建模十分困难。本课题从智能信息处理的角度出发，通过理论分析、仿真计算、实验反复交互作用，不断完善研究内容，最终获得结构简单，易于工程实现的污泥膨胀智能特征模型。具体为：首先，获得了一组污泥膨胀的特征变量，在深入分析活性污泥沉降过程动力学特性的基础上，剖析污泥膨胀的致因机理，研究污泥沉降过程变量与污泥膨胀之间的相关性，基于污水处理系统实际运行数据，利用数据挖掘的方法获取污泥膨胀的特征变量；其次，建立了污泥膨胀特征变量的软测量模型，对于不能在线测量的特征变量，结合主元分析等方法从相关的可测参量集中找出主元参量，利用神经网络建立主元参量软测量模型。最后，为了提高模型的精度，研究自组织神经网络，获取能够反映污泥沉降比(SV)、污泥体积指数(SVI)等变量的自组织特征模型，并分析自组织特征模型的精确度和稳定性；形成具有自主知识产权的污泥膨胀智能特征模型，解决污泥膨胀识别与预测问题。相关研究成果在IEEE Transactions on Neural Networks and Learning Systems，IEEE Transactions on Industrial Electronics，Journal of Process Control等刊物上发表学术论文39篇，其中SCI收录16篇，被他人引用百余次；撰写专著1部；申请国家发明专利15项，其中获得授权国家发明专利8项，授权实用新型专利2项，授权软件著作权4项；研究工作对于污水处理厂的优化设计，污水处理过程的实时控制，具有非常重要的支撑作用。总体看来，课题研究成果具有较高的理论和实际应用价值。 2100433B

污泥结构松散，质量变轻，沉淀压缩性能差；SV值增大，有时达到百分之九十，SVI达到300以上；大量污泥流失，出水浑浊；二次沉淀难以固液分离，回流污泥浓度低，有时还伴随大量的泡沫的产生，无法维持生化处理的正常工作。

污泥膨胀是生化处理系统较为严重的异常现象之一，它直接影响出水水质，并危害整个生化系统的运作。

污泥膨胀的发生率是相当高的，在欧洲近50%的城市污水厂每年都会有不同程度的污泥膨胀发生，在中国的发生率也非常高。基本上各种类型的活性污泥工艺都会发生污泥膨胀。污泥膨胀不但发生率高，发生普遍，而且一旦发生难以控制，通常都需要很长的时间来调整。针对污泥膨胀，各方面的理论很多，但并不完全一致，甚至有很多相互矛盾，这给水处理工作者造成很大的麻烦。

充分考虑复合材料层合结构拉弯耦合效应和弯剪耦合效应引起的各向异性性质, 以及横向剪切变形的影响, 初始几何缺陷的影响; 对于功能梯度复合材料同时考虑热传导和材料热物参数对位置和温度变化的依赖性, 研究带压电层混合智能板壳结构在复杂环境和复杂荷载作用下的非线性弯曲、后屈曲和动力特性。发展一套有效的分析方法和计算程序用于混合智能板壳结构的非线性和动力分析。为解决航天航空关键性技术问题提供理论基础。 2100433B