第一章 污水处理过程测量与控制概论

1.1 污水处理的意义

1.2 我国污水处理的现状

1.3 污水处理的方法及工艺

1.3.1 污水处理方法

1.3.2 SBR工艺污水处理系统

1.4 污水处理过程建模现状

1.5 污水处理过程控制现状

1.6 污水处理过程软测量现状

1.7 污水处理系统在线测量与控制存在的问题

1.7.1 流程工业生产过程在线测量存在的问题

1.7.2 污水处理过程在线测量与控制存在的问题

第二章 污水处理出水水质BOD软测量机理建模

2.1 软测量在废水处理中的应用

2.1.1 软测量的概念、意义及发展

2.1.2 污水处理中软测量的必要性

2.1.3 软测量在污水处理中的常用方法简介

2.2 BOD软测量机理模型公式

2.2.1 经典劳伦斯—麦卡蒂公式

2.2.2 劳伦斯—麦卡蒂公式在废水处理中演化形式

2.2.3 泰勒展开BOD软测量机理模型公式

2.3 基于最小二乘法的污水处理BOD软测量线性补偿方法

2.3.1 最小二乘原理

2.3.2 递推最小二乘算法对机理模型的补偿

2.3.3 限定记忆最小二乘算法对机理模型的补偿

2.3.4 基于偏最小二乘的BOD软测量机理模型非线性补偿方法

2.3.5 基于核最小二乘法的污水BOD软测量机理模型补偿算法

2.4 基于神经网络的BOD机理模型的补偿方法

2.4.1 BP神经网络软测量模型设计

2.4.2 基于过程神经网络的BOD软测量模型

第三章 基于PNN的污水处理软测量方法研究

3.1 过程神经元网络（PNN）

3.1.1 过程神经元

3.1.2 过程神经元网络模型

3.2 基于PNN的软测量方法及改进算法

3.2.1 基于函数正交基的PNN学习算法

3.2.2 基于函数正交基展开的PNN改进算法

3.3 基于PNN的污水处理过程软测量

3.3.1 软测量模型变量的选取

3.3.2 软测量结构模型

3.3.3 实验数据及软测量结果

第四章 基于RBF神经网络的水处理过程建模方法

4.1 RBF神经网络

4.1.1 RBF函数及RBF神经元

4.1.2 RBF网络的特点、映射机理

4.1.3 RBF神经网络的学习算法

4.2 水处理优化控制数学模型的RBF神经网络建模

4.2.1 污水处理优化控制的目标

4.2.2 水处理RBF神经网络模型的训练和测试

第五章 溶解氧的智能控制方法

5.1 溶解氧的智能控制方法

5.1.1 人工神经网络控制

5.1.2 模糊控制

5.1.3 专家控制

5.1.4 遗传算法

5.2 单变量Do控制

5.2.1 被控对象建模

5.2.2 常规PID的Do控制器设计

5.2.3 基于BP神经网络的自整定PID控制

5.2.4 基于BP神经网络的自整定PID控制原理

5.2.5 基于BP神经网络的自整定PID控制仿真

5.2.6 双模糊控制器设计

5.2.7 模糊PID—Smith控制器设计

5.3 基于模糊理论的多变量Do控制

5.3.1 多变量模糊控制的现状与发展

5.3.2 基于模糊PID—Smith和模糊理论的两级Do控制器的设计

5.3.3 基于双模糊PID—Smith理论的两级Do控制器的设计

第六章 基于智能进化算法的优化控制方法及实现

6.1 智能进化算法概述

6.1.1 经典优化算法及其弊端

6.1.2 遗传算法

6.1.3 粒子群算法

6.2 基于粒子群算法的污水处理过程的参数优化设计

6.2.1 优化算法的选取

6.2.2 粒子群算法的设计流程

6.3 基于粒子群算法的活性污泥法的优化设计实现

第七章 污水处理过程的模糊控制技术及实现

7.1 污水处理模糊控制技术

7.1.1 污水处理模糊控制系统基本结构

7.1.2 模糊控制器的设计

7.2 基于预测模型的自适应模糊控制器的设计与仿真

7.2.1 自适应模糊控制器构成

7.2.2 自适应模糊控制系统的仿真

7.2.3 自适应模糊控制器算法及其实现

7.2.4 自适应模糊控制仿真结果及分析

7.3 模糊Smith—PID复合控制方法

7.3.1 SBR常规控制方法分析

7.3.2 模糊Smith—PID控制器设计

第八章 生物流化床及其控制方法

8.1 生物流化床的基本特性

8.1.1 生物流化床工作原理

8.1.2 生物流化床特性

8.1.3 生物流化床研究状况

8.2 智能控制方法

8.2.1 自适应控制

8.2.2 模糊控制

8.2.3 神经网络控制

8.2.4 专家控制

8.3 三相生物流化床氨氮废水处理过程数学模型研究

8.3.1 内循环三相生物流化床氨氮废水处理的结构和工作原理

8.3.2 内循环三相生物流化床处理氨氮废水实验

8.3.3 内循环三相生物流化床氨氮废水处理过程主导模型的建立

8.4 基于遗传算法改进的过程神经网络BOD5软测量模型

8.4.1 软测量模型变量的选取

8.4.2 过程神经网络结构的确定

8.4.3 基于遗传算法训练速率寻优的改进算法

8.4.4 过程神经网络BOD5软测量模型的实现

8.4.5 实验分析

8.5 基于遗传算法改进的T—S模糊控制及在生物流化床的应用

8.5.1 T—S模糊控制

8.5.2 分层模糊控制

8.5.3 遗传算法改进T—S模糊自适应控制方法

8.6 基于DRNN网络辨识的自整定PID解耦控制及在生物流化床的应用

8.6.1 PID参数整定方法

8.6.2 基于DRNN辨识的自整定PID解耦控制算法

8.7 生物流化床污水处理监控系统设计与实现

8.7.1 生物流化床污水处理监控系统设计

8.7.2 基于西门子S7—200PLC的下位机程序控制

8.7.3 基于WebAccess和Flash交互制作实现的上位机监控

第九章 污水处理过程的自抗扰控制方法

9.1 自抗扰控制技术

9.1.1 安排过渡过程（TD）

9.1.2 扩张状态观测器（ESO）

9.1.3 非线性误差反馈控制率（NLEFS）

9.2 SBR污水处理的自抗扰控制设计

9.2.1 SBR控制系统特点分析

9.2.2 自抗扰控制系统的设计

9.2.3 参数整定规律分析

9.2.4 SBR污水处理自抗扰控制系统仿真

9.3 生物流化床氨氮废水处理自抗扰控制设计

9.3.1 系统总体框图

9.3.2 系统一阶自抗扰控制器设计

9.3.3 系统二阶自抗扰控制器设计

9.3.4 生物流化床氨氮废水处理的自抗扰控制仿真研究

9.4 生物流化床氨氮废水处理自抗扰控制器的优化

9.4.1 控制器优化问题

9.4.2 自抗扰控制器参数的优化

9.4.3 遗传算法对二阶自抗扰控制器参数的优化

9.5 自抗扰控制器的稳定性分析

附录：基于BP神经网络的自整定PID控制程序 2100433B

《污水处理过程优化控制系统》可供从事水环境保护或自动控制系统的研究人员参考，可作为自动化、环境工程等专业本科生与研究生的教材。

1.网络化系统集成优化控制算法及其实现 　网络化系统的集成优化控制方法就是将复杂系统的集成优化控制方法和网络自动化技术相结合，用来解决网络化复杂系统的优化控制问题，使其在难以建模、系统具有网络化和区域化等情况下，获得满意的优化控制结果。网络化系统集成优化控制方法的特点是引入了网络回路，在优化算法中引人了一些不确定因素，其优化控制更加依赖于网络系统和网络技术。网络化系统集成优化控制的关键技术在于动态系统优化与参数估计集成优化方法的实现和网络信息传输，借助于动态系统集成优化控制技术和网络自动化技术可实现网络化系统的集成优化控制，可以基于局域网或Intemet实现。

2.网络化系统集成优化控制的特征 　对一个动态优化控制方法，除了给出优化算法，还需要对其性能进行分析，只有这样才能保证优化方法的实施。网络化系统的集成优化控制方法的性能包括实时性、最优性、收敛性及其鲁棒性等。

• 1).实时性 　在引人网络之前，针对跨区域的复杂系统，其优化控制的实施是很困难的，即使能够，其实时性也难以保证。网络化系统集成优化控制方法由于借助于计算机网络技术来实施集成优化控制，可以较好地解决跨区域复杂系统集成优化控制的实时性问题。

• 2).最优性 　算法最优性是指在算法收敛的情况下，收敛解是否实际系统的最优解。对于网络化系统集成优化控制方法，在最优解存在且唯一等假设条件下，若算法收敛，则收敛解满足最优性必要条件，即所得优化解是实际系统的真实最优解。

• 3).收敛性 　网络化系统集成优化控制方法需要实施，首先要求其优化控制算法是收敛的，收敛性就是研究算法收敛的条件，针对不同的算法其收敛性条件有所不同。对于网络化系统的集成优化控制方法，其优化的框架没有改变，只是引人了网络回路，利用算法映射及压缩映射原理，通过分析可以获得保证优化算法收敛的条件。

• 4).鲁棒性 　网络化系统集成优化控制方法的鲁棒性问题是指在存在这样那样扰动的情况下，优化算法保持其收敛性，并收敛到最优解的能力。网络化系统的集成优化控制方法在不需要实际过程的精确数学模型的情况下可以获得实际系统的真实最优解，对模型的结构和参数具有较强的鲁棒性。

网络化系统的集成优化控制方法是一种基于网络环境下的集成优化控制方法，计算机网络的信息的安全问题必然影响到系统集成优化控制的实施。因此，对网络化系统集成优化控制中的信息安全问题及其对策进行分析和研究是十分必要的，只有这样才能保证网络化系统的集成优化控制的顺利实施。网络化系统集成优化控制中的信息安全问题可以借助于计算机网络的信息安全对策予以解决。

网络化系统的集成优化控制方法为解决区域性复杂系统的优化控制提供了一种新思路，该方法具有以下优越性:

• 1)由于网络化系统的集成优化控制方法本质是采用动态大系统的DISOPE递阶优化方法，这样就使得网络化系统的集成优化控制在不需要复杂系统的精确数学模型的情况下，就可以获得实际系统的真实最优解;

• 2)网络化系统的集成优化控制方法为解决跨区域性的复杂系统的优化控制提供了一种可靠的实现途径和形式。同时由于网络自动化技术的发展和网络信息传输实时性的提高，使得实时地解决区域性的复杂系统的优化控制成为可能。

城市污水处理是国家水资源综合利用的战略举措，对水环境保护和淡水资源持续利用具有重要意义。目前存在的主要问题是电能消耗大，运行成本高；异常工况频发，出水水质超标严重。由于污水处理过程中进水流量、成份、污染物浓度、水温等随时变化，微生物生命活动受溶解氧、污泥龄、微生物种群等诸多因素影响，生化反应过程滞后明显，部分关键水质参数等不能实时测量，系统多运行于非平稳状态，实施优化控制是一项具有挑战性的工作。 围绕以上问题，项目获得以下成果： 1. 提出了基于特征信息和过程数据相结合的智能建模新方法，获得了基于结构自组织神经网络的污水水质参数软测量模型，解决了水质参数BOD、COD的无法在线测量问题；率先提出了基于细胞自动机理论的污水处理过程微观动态建模新方法，实现了污水处理生化反应过程动态可视化模拟。 2. 提出了基于扩展傅立叶灵敏度法的模糊推理规则自动调整机制，获得了结构自组织模糊神经网络控制方法，实现了对溶解氧浓度的在线控制；提出了基于细胞分裂原理的神经网络结构自组织设计方法，证明结构演化过程的稳定性，设计出了结构自组织神经网络控制器，发展了神经网络控制理论。 3. 提出了一种污水处理过程能耗特征模型，解决污水处理过程中动态约束和不同时间尺度的多变量优化问题；提出了一种多目标优化算法，获得了基于多目标优化的预测控制方法，解决了污水处理过程多变量参数的优化设定控制问题。 4. 研究基于数据驱动的特征信息表征、存贮和识别方法，解决污泥膨胀等异常工况识别与监控问题；部分研究成果已成功应用于实际污水处理厂，实现了出水水质达标的同时能耗降低3%以上。 该项目已在Automatica、IEEE Transactions on Industrial Electronics、IEEE Transactions on Control Systems Technology等刊物上发表论文46篇，其中SCI/EI收录28/42篇，被他人引用分别为100余次；申请国家发明专利27项，其中授权12项，获得授权软件著作权16项；研究成果获2011年教育部科学技术进步奖一等奖。已经培养教授2名，副教授4名，培养研究生28名(其中12名博士生、16名硕士生)。 2100433B

城市污水处理是国家水资源综合利用的战略举措，对水环境保护和淡水资源持续利用具有重要意义。目前存在的主要问题是电能消耗大，运行成本高；异常工况频发，出水水质超标严重。由于污水处理过程中进水流量、成份、污染物浓度、水温等随时变化，微生物生命活动受溶解氧、污泥龄、微生物种群等诸多因素影响，生化反应过程滞后明显，部分关键水质参数等不能实时测量，系统多运行于非平稳状态，实施优化控制是一项具有挑战性的工作。项目将围绕以上问题，研究污水处理过程软测量和特征建模方法，建立其特征模型和水质参数预报模型；研究分级动态优化方法，解决污水处理过程中动态约束和不同时间尺度的多变量优化问题；研究时滞、时变、不确定性系统的自适应控制方法，解决优化设定值的跟踪控制问题；研究基于数据驱动的特征信息表征、存贮和识别方法，解决污泥膨胀等异常工况识别与监控问题；研究成果将应用于污水处理厂，保证出水水质达标的情况下节能不低于3%。