本项目针对污水生化处理过程中的鼓风量与溶解氧模型存在的非线性、时变、不确定性、时滞等复杂因数，造成鼓风量过大而浪费大量的电能问题，研究溶解氧与氨的多目标建模与优化控制策略。提出基于粗糙机的RBF神经网络的污水生化处理建模方法，针对数据的随机性，避免局部收敛性，提出了基于混沌时间序列的最小二乘支持向量机模型，新建的模型能够适应雨天、气温和环境等因数的变化，给出污水生化处理过程中溶解氧和氨的目标预测值。根据该目标预测值的误差范数建立评价函数，提出了多目标的最小鼓风量的优化控制方法；根据人工免疫算法的快速寻优性，结合专家的知识和经验，提出了基于专家知识的人工免疫最小风量的节能优化控制方法。通过仿真实验结果表明所研究的模型和优化控制方法对于提高污水处理的质量和减少污水生化处理过程中送氧鼓风量消耗的电能是有效的。 2100433B
