污水处理出水水质软测量方法及在线智能检测仪表技术

一种污水处理出水水质软测量方法，方法如下：选进水中的ＴＯＣ、ＤＯ、ＯＲＰ和ｐＨ值作为输入，待软测量的量ＢＯＤ或ＣＯＤ作为输出，采用ＰＮＮ过程神经元网络结构建模，并基于ＰＮＮ过程神经元网络改进算法，将二者程序化存储于嵌入式计量仪表处理系统中；先进行离线网络训练，输入已获取的多组输入量值，经仪表处理系统自适应网络调整直至使网络训练精度达到设定值；污水处理现场中进行在线测量，实时采样，将获得数据滤波处理后输入给仪表，计算系统快速计算得到ＢＯＤ或ＣＯＤ值；输出显示或打印。在线智能检测仪表包括：一组采集ＴＯＣ、ＤＯ、ＯＲＰ和ｐＨ值的传感器，一模数转换器；一内嵌基于ＰＮＮ过程神经元网络结构及改进算法编制的软测量程序模块的ＣＰＵ中心处理器，输入设备及输出设备。

【技术实现步骤摘要】

本专利技术属于污水处理领域技术，尤其涉及一种出水水质软测量方法及其在 线智能检测仪表。
技术介绍
在污水处理过程中存在着过程参数时变、数学建模困难、产品质量指标难 以在线实时检测或检测时间严重滞后，因而不能实现实时闭环控制、不易保证 产品质量的难题。例如衡量污水处理过程出水质量的主要指标COD (Chemical Oxygen Demand化学需氧量)禾口 BOD (Biochemical Oxygen De薩d生物化学 需氧量)，由于技术或经济的原因，前者的测量仪器价格贵、操作复杂、检测 时间长，后者目前还无在线检测仪器。为了对COD和BOD这类变量进行实时检测和控制，解决问题的途径和研究 的思路主要有以下两种(1) 沿袭传统的检测技术发展思路，通过研制新型的过程测量仪表，以 硬件为主的方式实现过程参数的直接在线测量。但这种方法存在技术、成本等 诸多问题，有较大的局限性。例如国外已研制出C0D检测仪，但仍存在滞后时 间长，误差较大，价格较贵、使用不便等问题。测出结果的时间严重滞后，无 法用实时控制。(2) 采用间接测量的方法，利用易于获取的其它测量信息，通过数学建 模的方法利用这些信息来实现对被检测量的估计。软测量是随着控制理论、智能科学发展和计算机技术的推广应用，从九十 年代起得到了普遍关注和迅速发展，被认为是进行工业过程监测、优化、控制 的重要方法。软测量是目前检测和过程控制研究发展的重要方向。2000年我国的何新贵院士根据过程控制系统中控制参数存在依赖于时间 函数的特点，首次提出了一种新的神经网络结构一-P丽，参见图1所示，即输入/输出都可以是时间过程或函数的过程神经元网络(P丽一 Process Neural Network) 。 PNN在传统神经元空间聚合运算的基础上，增加了一个时间聚合算 子，使过程神经元的聚合运算和激励作用能同时反映信号的空间总和效应和时 间总和效应。图1给出了隐层是过程神经元、输入和输出是普通神经元的前向型三层网 络结构。网络可以看作是一个从输入到输出时间函数的高度非线性映射，即 F:r — r', /(" = y。对于样本集合输入x,(e/0和输出乂(eiT)，可认为 存在某一映射g使= Xi = l ，2,……n，神经网络通过对简单的非线性函数的多次复合，可近似复杂的函数。假设输入层神经元个数是"，隐层神经元个数是气输出层神经元个数为 1。％(0表示输入层到隐层的连接权值，、为隐层节点到输出层节点的连接权值，《为隐层节点j的激励阈值，为采样周期，/，g分别是激励函数，^为输出节点阈值。则网络输入与输出之间的映射关系为过程神经元网络是一种效果较好的软测量建模方法，它具有联想记忆，自 学习，高度容错，快速处理，能逼近高度复杂的非线性系统的特点，适合于非 线性、时变的工程系统。如何更好的利用该过程神经元网络技术来实现对污水 处理出水水质的软测量是业内人士努力寻求的目标。本专利技术的目的是提供一种污水处理出水水质软测量方法，该方法可利用易 于获取的其它测量信息，通过数学建模来实现对被检测量的估计，为最终的控 制分析提供可靠的出水质量指标结果。本专利技术的另一目的是提供一种出水水质在线智能检测仪表，其可以实现对 出水水质的主要技术指标的测试及显示，测出结果用于对出水水质的实时控制。为实现上述目的，本专利技术采取以下设计方案一种污水处理出水水质软测量方法，包括有一用于测量水质的嵌入式计量 仪表，其方法步骤如下
技术实现思路
51) 首先选取进水中的总有机碳含量T0C、溶解氧D0、氧化还原电位0RP 和酸碱度pH值作为软测量输入量，以五天生物化学需氧量B0D5或化学需氧量 COD作为软测量输出量，采用P丽过程神经元网络结构建模，并加入基于该P丽 过程神经元网络改进算法；2) 基于上述的PNN过程神经元网络结构及改进算法编制软测量程序烧录 于嵌入式计量仪表处理系统中；3) 在进入污水处理BOD或COD在线测量前先进行离线网络训练，包括 向嵌入式计量仪表中导入在实际污水处理过程中已准确获取的一组(一个污水处理过程)输入量值，经嵌入式计量仪表处理系统中的软测量程序自动完 成对P丽过程神经网络模型的训练；4) 将嵌入式计量仪表接入污水处理现场中，其中主要是完成一组传感器信号输出端与仪表的输入端之间的连接；5) 先通过该组传感器实时采样现场水样的总有机碳含量TOC、溶解氧DO、氧化还原电位ORP和酸碱度pH值数据，再将获得的数据滤波处理后输入给嵌 入式计量仪表的计算系统，嵌入式计量仪表的计算系统利用基于改进的PNN理 论的软测量程序快速计算得到B0D5或COD值；6) 每隔一采样间隔，重复步骤5);7) 输出一组BOD或COD值供记录、显示、打印和统计报表。 所述的基于该PNN过程神经元网络改进算法采用的是有动量项调整的权值、阈值调整方法或采用的是有动量项和自适应学习速率的共轭梯度法的权 值、阈值调整方法。一种用于实现出水水质软测量方法的在线智能检测仪表，其包括 一组前 端传感器，用于采集总有机碳含量TOC、溶解氧DO、氧化还原电位ORP和酸碱 度pH值； 一模数转换器，用于将前端传感器采集的模拟输入量转换为数字信 号量；一CPU中心处理器，内嵌基于P丽过程神经元网络结构及改进算法编制 的软测量程序模块，可对得到的现场数据依据软测量程序实施计算处理； 一键 盘输入设备； 一组输出设备；所述的一组前端传感器的输出端接模数转换器的 输入端，模数转换器的输出端接CPU中心处理器的串行外围接口；键盘输入接于中心处理器的通用输入/输出接口；CPU中心处理器的控制输出端接一组输出 设备的输入。所述的一组输出设备可以是显示、打印、数据下载、存储和声音输出设备 中的至少一种设备。其中存储设备接于CPU中心处理器的串行外围接口；显示 器接于CPU中心处理器的打印终端接口 ；微型打印机接于CPU中心处理器的通 用异步接收/发送装置接口；下载数据线接于CPU中心处理器的串行外围接口； 声音设备输出接于通用输入/输出接口。所述的CPU中心处理器为51系列单片机、AVR系列单片机、ARM系列单片 机等其他嵌入式芯片。本专利技术污水处理出水水质软测量方法主要用于序批式活性污泥法(SBR) 污水处理过程出水水质的软测量，以解决C0D和BOD这类变量的在线检测和闭 环控制问题。所述的总有机碳含量TOC(Total Organic Carbon)是指在排水中构成有机物 的碳的总量，可作为测定污染程度的重要指标。其单位一般表示为"毫克/升"。所述的溶解氧DO(Dissolved Oxygen)是水体环境质量的一项极其重要的 综合性表观指标，它直接反映水体受有机物、微生物、藻类等物质污染的程度， 在环境水质监测中被广泛采用，DO值的变化主要由曝气量所影响，监测D0可 以优化调节曝气量，控制用电量，进而可以控制污水处理成本。其单位一般表 示为"毫克/升"。所述的氧化还原电位0RP(0xidation Reduction Potential)是指溶液的氧 化还原电位。ORP值是水溶液氧化还原能力的测量指标，其单位是毫升。本专利技术污水处理出水水质软测量方法主要解决因B0D和COD化学方法检 测的大滞后带来的在线检测问题，故选用总有机碳含本文档来自技高网...

【技术保护点】
一种污水处理出水水质软测量方法，包括有一用于测量水质的嵌入式计量仪表，其特征在于所述的方法步骤如下：　１）首先选取进水中的总有机碳含量ＴＯＣ、溶解氧ＤＯ、氧化还原电位ＯＲＰ和酸碱度ｐＨ值作为输入量，以软测量的生物化学需氧量ＢＯＤ或化学需氧 量ＣＯＤ作为输出量，采用ＰＮＮ过程神经元网络结构建模，并加入针对ＰＮＮ过程神经元网络的改进算法；　２）基于上述的ＰＮＮ过程神经元网络结构及改进算法编制软测量程序，并烧录于嵌入式计量仪表处理系统中；　３）在进入污水处理在线测量前先进行离线 网络训练，包括：　向嵌入式计量仪表中输入已获取的一组现场数据，经嵌入式计量仪表处理系统的自适应网络调整直至使网络训练精度达到设定值，完成网络训练，并维持该状态；　４）将训练好的嵌入式计量仪表接入污水处理现场中进行在线测量，先通过一组 传感器实时采样现场水样的总有机碳含量ＴＯＣ、溶解氧ＤＯ、氧化还原电位ＯＲＰ和酸碱度ｐＨ值数据，再将获得的数据滤波处理后输入给嵌入式计量仪表的计算系统，嵌入式计量仪表的计算系统利用基于改进的ＰＮＮ理论的软测量程序快速计算得到ＢＯＤ５或ＣＯＤ值；　５）每隔一采样时间间隔，重复步骤４）；　６）输出实时ＢＯＤ或ＣＯＤ在线检测结果，供记录、显示，并提供统计报表打印。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘载文，崔莉凤，许继平，王小艺，王正祥，杨斌，连晓峰，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：11[中国|北京]