現今SBR工藝已經廣泛應用于處理各種中小水量的工業廢水。總結歸納了SBR智能控制策略的類型，重點對模糊控制、專家系統和神經網絡等高級控制策略進行較為詳細的論述，并介紹了混合智能控制策略研究現狀。最后針對SBR智能控制策略存在的問題和不足，為其進一步發展提出具體的建議。

關鍵字：控制策略  SBR  神經網絡  模糊控制  專家系統

SBR工藝由于具有運行方式靈活多變.占地 面積小的特點，廣泛用于處理工業廢水和中小城鎮的生活污水。SBR工藝最大的缺點在于其操作復 雜和難于管理，只有在實現自動控制的條件下. SBR特有的優勢才能得到充分發揮。現今SBR污水處理廠大多數采用定時自動控制系統.這種控制方式的靈活性差。運行方式不能隨水質水量波動而變化，在一定程度上影響其進一步推廣和應用。為了克服定時控制方法存在的先天性不足。SBR工藝控制系統逐漸朝著智能控制系統的方向發展和演變。控制策略是控制系統的核心部分.控制策略的研究和開發是SBR控制系統發展的前提和先決條件。因此代表著SBR未來發展方向的智能控制策 略自然引起了廣大研究人員的普遍關注。

1.智能控制策略分類

根據控制思想的不同，控制技術可以劃分為兩類：①基于規則的控制：如已被用于SBR系統控制中的模糊和專家系統。比常規的反饋控制更節約 能源.減少DO波動，穩定進水流速和出氣流速，具有較好的應用價值和前景。②基于模型的控制：在SBR中也占有重要的地位，自適應控制、MI— MO控制和非線性過程控制等均有所應用。因此根據采用控制技術的不同，智能控制策略也遵循類似方法劃分。智能控制策略大體可分為3類：①基于規則的控制策略。包括模糊控制和專家系統等;②基于模型的控制策略，諸如人工神經網絡，主成分分 析(PCA)模型等;③混合智能控制策略。比如模糊技術與神經網絡結合產生的模糊神經控制策略。

2.基于規則的控制策略

基于規則的控制系統要求大量的先驗知識來支持，通過不斷的實踐總結，設計更為合理的控制規則有望進一步提高控制效果。在采用了合理的控制 規則的前提下，建立針對該規則的匹配的控制策略，并應用于SBR控制系統中，才能最大限度的發揮控制規則的作用。控制策略的價值體現在把控制規則的潛力通過控制系統執行最大限度地發揮出來。而控制規則根據理論基礎的不同可以分為：模糊控制、專家系統等。

2.1模糊控制

在線模糊控制策略根據間接參數類型可分為以下類型：在線DO模糊控制策略、在線ORP和pH模糊控制策略。其中S.Y.Wang等[3]比較了3種運行模式：SBR短程工藝傳統控制模式、兩段交替好氧/厭氧SBR定時控制模式和兩段交替好氧/厭氧SBR實時控制模式處理大豆廢水的處理效 果與運行性能。此后采用類似的控制思路。A．Traor6等E2]對SBR中試裝置反應過程的DO參數進行模糊邏輯控制。采用3種方法進行控制：開／關控制、PID控制、模糊控制器。基于開／關控制和PID的控制策略很難適應SBR進水水質的變化及SBR系統的高度非線性特征，但是應用模糊控制器建立合理的模糊邏輯控制策略實現了對DO更穩定的控制。但是以上在線模糊控制系統魯棒性仍有待提高．易受參數信號噪音波動的干擾。因此模糊控制策略需要加強其抗干擾能力和識別能力。

此后S．Marsili—Libelli等[]通過模糊類型識別進行SBR轉化的控制。控制策略的核心和關鍵在于引入了模糊聚類技術，建立了合理的模糊干涉機制．從而成功地實現了根據簡單的間接過程參數(ORP、DO、pH值)實現SBR的模糊控制。模糊干涉機制基本原理如下：過程數據(pH值、DO、ORP等)經過微波除噪和微分處理之后，數據微分值進入模糊聚類模塊，該模塊首先應用一個邏輯算法的持續時間檢查器，來防止這個階段的過早結束或過分延長。基于一套詳細的模糊運算法則，機制識別出實時階段(好氧或厭氧)，最終根據機制輸出的結果轉化變量執行硬性的開關轉化命令。同時模糊運算法則能夠適應進水波動和生物量改變引起的過程變化，保持其識別能力。此外，Y．J．Kim等。開發出基于規則的模糊干涉算法，以及基于模糊規則的控制策略．利用建立的模糊控制系統處理SBR工藝過程在線數據．并對SBR設備故障進行診斷。該控制系統顯示出快速檢測和診斷各種錯誤的良好性能，同時使診斷出來的各種錯誤及時糾正成為可能。

2.2、專家系統

Brenner[提出一種利用電腦對SBR工藝過程進行分析的專家系統．在該控制系統中對分散的難于分析的數據進行存儲，組織以及利用高級圖表統計方法深入處理．最終得到一份可編輯的信息摘要。但是文中并沒有給出有關統計方法的詳細的提示信息。文中提出的專家系統所需的信息來源于經驗和數學模型仿真模塊不斷更新的數據庫，導致該專家系統的結果不夠詳細和精確。另外文中還涉及到SBR工藝各種工況的數學建模與仿真，雖然還只是停留在理論研究階段，還沒有針對實際污水處理廠進行反復試驗和推理驗證，但是這為今后專家系統的實際推廣和應用奠定了理論基礎。W．J．Ng等8j在Brenner[基礎上提出了結構類似的專家系統。此專家系統比Gall等9開發的知識庫專家系統性能更優越，具體體現以下4個方面：嚴謹的理論知識基礎，利用數據統計分析技術考慮系統特異性，診斷和分析能力強，知識基礎和規則自動更新及時追蹤系統最新動態變化。對城市污水脫氮SBR在線控制系統進行了研究．開發了初步的專家智能控制系統，該控制系統能進行全自動運行來完成污水的脫氮除磷。該系統具備人工手動或設定控制和基于檢測參數的全自動控制。參數檢測間隔為1min，顯示實時過程參數曲線。數據通過濾波降噪等處理，專家系統對眾參數進行分析和決策，并實時控制。系統通過建立信息處理和特征識別，神經網絡，知識庫和推理機制來實現多參數控制變量的最后決策。

綜上所述．基于該專家系統的SBR控制策略在一定程度上都結合數學模型以及統計分析技術，由此可見數學建模與仿真對于SBR控制策略的建立有著不可分割的聯系。

3、基于模型的控制策略

SBR系統屬于復雜的動態工程系統，具有高度非線性特征。目前還無法建立起精確的數學模型來完整地描述。但是通過對SBR系統進行簡化可以建立相應的數學模型。建立的SBR數學模型按原理可分為3類：機理模型、統計模型和混合模型。其中機理模型是依據SBR過程的質量、能量及動量守恒的原則，以及反應動力學等原理為基礎建立SBR數學模型，屬“白箱模型”；統計模型是依據過程輸入、輸出數據。利用一定的統計方法對數據進行分析來建立模型，屬“黑箱模型”；混合模型．把前兩種模型結合既利用過程機理又利用測試數據來建立模型，使其兩者優勢互補。因此不同的數學模型衍生出不同的控制策略。

3.1、機理模型控制策略

早期的機理模型雖然參數求解和計算過程相對簡單，但大多數為只考慮有機物去除的靜態模型，缺乏模擬SBR系統動態特征的功能．也沒有模擬營養物去除的功能，很難應用到實際中。因此這段時期采用數學模型的SBR控制策略研究和應用都比較罕見。直到1986年國際水質協會(IAWQ)提出ASM1號模型_1．不僅推動了SBR機理模型從靜態模型向動態模型轉變，而且使基于數學模型的控制策略的應用變為可能。
隨著ASM2、ASM2d、ASM3[12-13]模型的相繼推出，就不斷有研究人員將其應用到SBR控制策略中，利用數學模型的預測功能實現對SBR系統運行的優化控制。雖然ASM模型并不是針對SBR工藝開發的，但是ASM模型的提出為SBR數學模型的建立提供了強有力的支持，同時也一定程度上促進了SBR控制策略的發展。
實際上ASM模型結構相對復雜，計算量大，響應時間長，不利于實際應用。從而研究人員開始嘗試從不需要獲取SBR系統過程中的詳細信息的黑箱模型人手，建立相應的SBR數學模型．其中最典型的就是神經網絡模型。

3.2、神經網絡控制策略

神經網絡模型是統計模型(黑箱模型)中最常用的一種SBR數學模型。特別是人工神經網絡模型(ANN模型)可以代替傳統數學模型完成由輸入到輸出空間的映射，直接根據對象的輸入、輸出數據進行建模，需要的對象先驗知識較少，其較強的學習能力對模型校正非常有利人工神經網絡不僅應用到傳統SBR工藝[14一t．同時也適用于SBR變型工藝ICEAS[16-i7]。其中，CohenA等_l4]采用結合進化模糊神經網絡(EFuNN)和邏輯決策單元的控制系統檢測和識別幾何特征點。此法具有快速學習功能，能在環境條件變化引起DO曲線幾何特征變化的情況下依然能檢測出幾何特征點。雖然基于以上兩種方法的控制系統是用于檢測好氧階段DO曲線變化點，但該系統同樣能擴展到檢測缺氧階段ORP曲線變化點。SungHunHong等C15]僅僅利用在線ORP、pH值、DO參數信息通過ANN模型對SBR系統中氨氮濃度、硝態氮濃度和正磷酸鹽濃度進行預測。值得一提的是，該研究中通過采用多路主成分分析技術(MPCA)在一定程度上克服了ANN模型的外推問題，這主要歸功于MPCA的檢測異常情況的能力。

Ruey—FangYu等N6]考察實時控制方式增強ICEAS系統的脫氮性能，利用ORP與pH曲線上可以指示硝化、反硝化過程的特征點作為實時控制過程中的重要控制點，控制策略描述如下：控制過程從為期2．5h的厭氧階段開始，之后開始好氧階段。控制系統利用實時信息控制單元計算并檢測出折點A(指示硝化作用結束的特征點)。同時，人工神經網絡控制單元讀取所需的信息，預計出ORP和pH值的設定點及設定時間。然后定義出折點，并將此折點與人工神經網絡控制單元預計出的設定點和設定時間進行核對。如果探測出的折點處于設定點和設定時間允許的時間間隔之內，則此折點可以作為實時控制點。控制程序將轉為缺氧階段。當停留時間超過設定時間的120％時，操作程序也將轉為缺氧階段。否則控制程序將返回去探測折點。從缺氧向沉淀階段的過渡與從厭氧向好氧階段的過渡遵循同樣的邏輯程序，當B點確定時，控制系統停止曝氣。之后分別進行lh沉淀和30min排水。具體參見http://m.dongaorq.cn更多相關技術文檔。

3．3主成分分析(PCA)控制策略

現在多元統計過程控制技術(MSPC)已經廣泛應用于工業批次生產．其中應用最為廣泛的是主成分分析(PCA)技術、部分最小二乘(PLS)法、主元回歸(PCR)等。很多研究人員嘗試把PCA技術應用到SBR工藝中，建立相應的統計模型及控制策略。

DaeSungLee等Il8課題組提出一種結合自適應PCA技術和多模塊PCA兩種技術元素的監控算法，基于此算法的統計模型成功地應用于SBR小試的在線監控運行。之后該課題組又提出一種用于自適應污水處理過程監測的通用的PCA算法ll9]，這種算法不需像傳統MPCA模型那樣進行預測估計，基于此算法的PCA模型具有監測性能與MPCA模型性能一致。ChangKyooYoo等針對MPCA技術要求所有批次長度必須相等，測量變量必須正態分布，以及估計的當前批次的未來值必須允許在線監控的缺點，開發出多路獨立成分分析技術(MICA)在線監測SBR工藝過程，優化工藝周期運行。在此基礎上，此課題組嘗試利用MKPCA技術用于監測中試SBR的運行，在線監測結果顯示這種自適應和非線性監測模型具有較低的虛假警報率和很強的魯棒性_21]。隨后一種新型非線性批次監測技術多路核心主成分分析技術(MKPCA)出現并開始應用于解決非線性問題[22]。該研究在一定程度上有助于解決SBR系統的非線性特征帶來的建模難的問題。

但是，PCA統計模型也存在過于復雜、計算量大、響應時間長等與生俱來的缺陷。為了克服PCA統計模型和神經網絡各自的不足和缺點．研究人員開始把PCA技術和神經網絡有機結合建立混合模型，達到互補的效果和作用。基本思路如下：通過PCA技術對已有的數據矩陣進行降維處理之后，再將其輸入到神經網絡模型中。由于神經網絡受到網絡結構復雜性和樣本復雜性的影響較大。易出現“過擬合”現象。且泛化能力較低。PCA技術不僅簡化了神經網絡模型的結構。提高了收斂速度和精度，縮短了神經網絡的模擬時間，同時還減少神經網絡過擬合現象，增強其泛化能力。

SungHunHong等采用ANN模型預測小試SBR出水氨氮、磷酸鹽和硝態氮濃度。作者將ANN模型一分為二分別對厭氧好氧條件系統進行模擬．這有助于提高神經網絡模型的性能。此外神經網絡模型通過MPCA技術檢測運行異常情況的能力能在一定程度上克服神經網絡模型存在的外推問題。雖然主元分析神經網絡(PCA—ANN)模型在污水處理數據分析和模擬仿真方面具有一定的優勢。不過該模型對污水生物處理機理的研究不夠深入，缺乏定量的分析和完備的理論基礎支持，導致模型的結構復雜．訓練時間較長。因此近年來人們開始嘗試建立機理模型和神經網絡模型結合的混合模型．這類模型既能把握與系統性能相關的關鍵變量。簡化了模型結構，又具有神經網絡黑箱模型的優點，極大地節省響應時間。

3.4混合模型控制策略

混合模型利用傳統數學模型機理方面的優勢為統計模型(神經網絡模型)提供系統的真實信息，避免大量無用的信息干擾統計模型的預測，從而節省模型的計算時間。HongZhao等提出由簡化的代謝模型和人造神經網絡組成的混合模型。該混合模型依賴于對輸出量的初步預測(比如出水磷濃度)，并且過程偏差通過一個“馴化的”神經網絡得到修正．故此只需要對較少的參數進行校正。之后該學者又提出了一種混合模型，該模型是將神經網絡引入到ASM2簡化模型中形成的，這種模型適合在線預測與控制．不需要頻繁校正，具有較強魯棒性。

此外．D．Zyngier等采用擴展Kalman過濾器(EKF)建立SBR混合模型，該模型在SBR機理簡化模型的基礎上耦合了反饋神經網絡模型，簡化模型用來預測氨氮和硝態氮．反饋神經網絡推斷有機物。該模型具有較強的魯棒性，即使模型與實際數據之間存在一定的偏差對模型預測性能影響也不大。

4、混合智能控制策略

人工神經網絡、專家系統和模糊邏輯技術等智能控制方法本身都是新興學科，尚處在發展的初級階段，還未形成完整的理論體系，應該不斷跟蹤其發展并將其及時應用到污水生物處理系統中。綜合利用模糊控制、人工神經網絡和專家系統等智能控制系統的優點，克服它們各自的缺陷，以達到污水生物處理系統的高效穩定運行。

為了克服人工神經網絡模型結構復雜、計算量大、響應時間長的缺點．研究人員開發出傳統的模糊一神經網絡控制器[25]，該控制器整合了模糊控制和神經網絡的優點。除了人工神經網絡(ANN)之外，采用模糊神經網絡(FuNN)模塊檢測并識別DO曲線幾何特征點。DavideSottara等嘗試利用神經網絡和模糊邏輯控制兩種智能技術聯合對中試SBR系統進行控制。SBR工藝過程中的DO、ORP、pH值等控制參數信號經過神經網絡處理之后再南模糊邏輯控制模塊進一步分析和診斷，最終經過控制決策單元作出系統優化決策，實現SBR系統的自動高效運行。

為了實現SBR工藝的實時在線控制，YangQZ等[28]開發出一種智能控制系統，該智能系統結合了模糊邏輯控制和專家控制系統兩種技術。其中模糊邏輯控制單元用于追蹤控制參數的曲線變化，專家系統由基于規則推理和基于案例推理兩部分組成．用于對模糊邏輯控制單元的輸出結果進行進一步推理和診斷。結果顯示：此混合控制系統比單一控制系統更有效率，不僅能有效降低能耗，而且在保證出水水質的前提下減少運行成本。

由于ASM機理模型無法綜合考慮復雜的SBR系統的所有內部影響因素．特別是污泥沉淀性能和微生物群落結構變化等因素。因此，G．Sin等通過考察基于模型的脫氮除磷SBR系統優化控制方法之后．提出把有價值的專家知識整合到SBR數學模型中．使專家系統和數學模型共同組成控制系統決策單元．有助于增強SBR控制系統的決策能力和優化運行性能。此類控制策略既可以利用前人的經驗．又具有較強的自學習能力，能夠提高系統的適應性。因此．比較適用于污水處理這種高度非線性、滯后性、時變性的系統．應作為以后污水處理智能控制的主要研究方向。

5、展望

智能控制是實時控制發展的高級階段．智能控制策略是未來SBR實時控制的發展趨勢。它不僅能實現SBR污水處理工藝的優化運行．而且能促進SBR工藝的廣泛應用。雖然針對SBR工藝實時控制的研究已經取得了明顯的進展．但智能控制策略還停留在初級階段，這在一定程度上限制了實時控制技術在SBR實際污水處理廠的應用。

綜上所述，SBR工藝智能控制策略還存在很大的研究空間和發展潛力，具體可從以下幾個方面人手：

(1)比較現有智能控制技術控制策略的優缺點，分析限制各控制技術實際應用的缺點．制定有針對性的改進或改良方案，加強其實用性。

(2)綜合兩種甚至多種智能控制技術。開發混合智能控制策略，使其兼有兩種智能控制技術的優勢，揚長避短，發揮出單一智能控制策略無法達到的優勢。

(3)不斷跟蹤ICA技術的發展，發現適合SBR工藝特征的最新控制技術．開發出與SBR工藝匹配的智能控制策略。

(4)加強SBR工藝過程機理知識的研究，通過深入了解SBR工藝過程狀態，結合智能控制技術建立穩定的智能控制策略，進而開發出魯棒性強的智能控制系統．促進SBR工藝的進一步推廣和應用。