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