王巖
（天津市市政工程設計研究院）

　　當前眾多污水處理廠的設計過程中，污水處理流程和主要指標的控制主要由工藝設計來完成，而影響到污水廠日后運行管理的自動化控制工程在這一階段往往更多地注重于硬件方面，許多成熟的或先進的自動化技術所提供的優(yōu)化控制方案常常被忽視。許多國外企業(yè)利用這些技術非常成功地解決了應用方面的問題。在污水處理領域，這些技術包括眾所周知的PID調節(jié)、正在為人們所熟悉的模糊邏輯控制，另外，一種更為新穎的技術--神經網絡--也表現(xiàn)出相當好的前景。這些以理論為基礎的應用技術可大幅度地優(yōu)化控制系統(tǒng)。
　　許多資料表明，諸如模糊邏輯和神經網絡等理論在解決各種過程控制方面的技術問題時取得了相當大的成功，如果用常規(guī)的方法來處理這些非線性或“黑箱”問題的話，要么是無從解決，要么是非常復雜且耗資巨大。從發(fā)展的角度看，模糊邏輯和神經網絡在污水處理領域中應用前景會逐漸廣闊。
　　下面從控制理論上簡要介紹模糊邏輯和神經網絡的原理。

1　模糊邏輯

　　控制工程是模糊邏輯的一個主要應用領域。首先應說明的一點是，模糊并不意味著所獲得的結果是模糊、不精確或甚至是完全不準確的。但是，它也不同于二進制邏輯，僅能區(qū)分真假（1、0）兩種狀態(tài)，模糊邏輯理論具有描述不精確狀態(tài)的語句，這些語句由特定的生產工藝和控制方法在獲得的實踐經驗基礎上以“規(guī)則”的形式引入，這樣的控制由模糊控制器來完成。模糊控制器由三個功能模塊組成：模糊化單元、模糊推理單元和去模糊化單元。

　　

　　將物理參數轉換成模糊變量的過程稱為模糊化，這個轉換過程是在所謂“成員功能單元”的幫助下進行的?！俺蓡T功能單元”表明如何將許多如很低、低、最優(yōu)、高或很高之類的術語（也稱作“語言”變量）準確地與某一特定值相對應。例如：曝氣池溶解氧反饋值可取NB、NS、ZR、PS、PB五個值，對應著很低、低、優(yōu)、高、很高。
　　有時也會出現(xiàn)重疊現(xiàn)象，例如：右圖的曝氣池溶解氧濃度為2.2mg/l，這個值既為低值又為最優(yōu)值，而：“最優(yōu)”推斷值比“低”推斷值（μ=0.3）更接近于真值（μ=0.7）。因此在這種情況下，就不存在語句必須是真（μ=1）或假（μ=0）的基本規(guī)則，這就意味著克服了二進制邏輯固定限量的弊端。
　　控制單元由專家和控制操作人員所積累的實踐經驗組成，這些經驗以簡單的“規(guī)則”形式表示，如直接作用于過程操作的“IF-THEN"語句。例如曝氣池根據溶解氧含量控制鼓風量的判斷方法：“IF溶解氧濃度很高，THEN空氣管路風量快速減”。這樣一來，控制單元就將輸入變量同受控變量聯(lián)系了起來，該過程稱為“推理”?！巴评怼钡姆椒ㄓ凶畲笾?-最小值法、最大點積法等?！巴评怼背龖迷谄貧饬靠刂仆?，還可以應用于回流污泥控制和泵房水位控制、格柵控制等。
　　由于受控變量通常都是許多規(guī)則的結果，因此有必要總結各自的適用范圍，該過程稱為“合成”。
　　去模糊是將模糊形式確定的受控變量變回數量值的轉換過程，這對操作和控制某種執(zhí)行器來說是很有必要的。
　　模糊邏輯技術的應用已經成熟，許多工業(yè)控制軟件含有這些功能，有些產品還具有專門的模糊控制模塊，如果在工程設計階段把該領域已經取得的“經驗策略”通過軟件的設計應用到該工程上，無疑會使控制系統(tǒng)變得更“聰明”。

2　神經網絡

　　神經網絡工作方式如同人的大腦。從信息處理這點來看，每個神經元性能如同一個簡單的處理器。首先，累加加權輸入量，然后，經轉換功能模塊T得出輸出值，輸出一般是非線性的，存貯于神經元中。接下來，該值再作為下一級神經元的輸入值。將許多神經元連接到網絡上即可建造一些非常復雜的結構。同級的神經元可以合并起來構成功能層。
　　一般都使用3層神經網絡。圖中帶3個輸入和2個輸出的神經網絡結構。神經元的輸入信號經加權、累加，然后進入通用的非線性轉換功能單元T中。

　　神經網絡開始工作前，加權連接必須經“訓練”后建立，為此，網絡中應存入輸入和輸出數據。在“訓練”階段，網絡在輸入和輸出之間完成“學習”功能。在調用階段，網絡的輸出即可作為結果使用。
　　由于其操作模式具有自然性，神經網絡現(xiàn)在可以完成以前常規(guī)方法所不能完成的任務。
　　下面的例子表明如何運用神經網絡模擬雖重要但卻不能在線測量的參數，如污水中的COD。COD是生物污水控制工程中需連續(xù)測量的、最重要的污染參數之一。為了獲得穩(wěn)定的水質控制，在工藝流程的重要環(huán)節(jié)采取措施是相當重要的。盡管實驗室分析儀器的使用已非常方便，但是，設計人員還不能提供COD的在線測量。難點并不在分析技術的本身，而是難在采樣上，這也是以前沒有有效的、從水體中獲取信息的控制方案的原因。
　　在這里必須引入“軟傳感器”的概念。當一個特殊物理參數不能直接測量，而必須通過許多可直接測量的變量進行計算得到時，可使用軟傳感器。可直接測量的變量通過硬傳感器（如溶解氧探頭、濃度計探頭等）進行測量，然后將它們輸入軟傳感器中，軟傳感器使用計算機語言，應用特殊算法計算出所需特殊物理參數的實際值。
　　“神經軟傳感器”在解決測量問題中起了如“軟傳感器”的作用，因其以實際污水的原始數據（包括PH值和導電率）為基準，能夠相當精確地測出污水中COD的含量，而且是在線檢測。象COD這樣的測量結果可用來優(yōu)化控制過程和操作程序。
　　目前，神經網絡理論在我國的高等院校和一些行業(yè)已經被接受，并在許多科研課題當中以多種形式運用，但是對于污水處理領域的技術應用還不多見，只有少數發(fā)達國家開始使用。