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