一种基于制造技术

本发明专利技术涉及污水处理智能控制技术领域，具体涉及一种基于

【技术实现步骤摘要】
一种基于A2O生物池工艺的数学模型辅助控制方法


[0001]本专利技术涉及污水处理智能控制
，具体涉及一种基于
A2O
生物池工艺的数学模型辅助控制方法
。

技术介绍

[0002]随着污水处理智能化控制的发展，污水处理的处理工艺以及处理效率也日趋成熟，但污水处理的智能化控制还需要进一步地完善
。A2O
生物池工艺智能控制的数学模型可以优化工艺参数和控制信号以及进行仿真实验，对工艺设计及运行中的问题进行诊断和研究解决优化办法
。
结合自适应算法让数学模型控制系统在运行过程中自学习自优化，适应各种工况条件并输出最优的控制参数
。A2O
生物池工艺智能控制的数学模型是按一定的建模原则来建立的，然后转化成如
Matlab
等数学软件可以调用的函数，
Matlab
必须一直运行，以保证模型的正常工作
。
然而
Matlab
一直运行就会造成
Matlab
中的
simulink
某个模块死机，一旦出现“模型死机”，便会给后续的工作带来困难，造成人力物力的浪费，提高了污水处理的成本
。
为此，研发一种能够解决上述问题的基于
A2O
生物池工艺智能控制的数学模型辅助控制方法是非常必要的
。

技术实现思路

[0003]本专利技术的目的在于提供一种基于
A2O
生物池工艺的数学模型辅助控制方法，为污水处理厂
A2O
生物池工艺智能化控制提供辅助，实现更高的污水处理效率，节省人力物力和时间成本
。
[0004]为实现上述技术目的，达到上述技术效果，本专利技术是通过以下技术方案实现：
[0005]一种基于
A2O
生物池工艺的数学模型辅助控制方法，包括以下步骤：
[0006]S1
：数据库设置输入参数；
[0007]S2
：根据所输入的参数
、ASM2D
数学模型以及处理单元和运行模块按照工艺流程和时序逻辑耦合，获得
A2O
工艺的整体工艺数学模型；
[0008]S3
：对模型进行虚拟运行，不断校正参数；
[0009]S4
：对模型进行灵敏度分析并寻找敏感参数，即出水水质影响参数，以出水水质达到要求且能耗最低作为目标，对敏感参数进行自适应校正，使模型自学习并自优化；
[0010]S5
：输出最优参数传递给自控系统或者
A2O
工艺的新型控制数学模型不能输出最优参数，即“模型死机”；若输出最优参数，即
PCL
接收数据执行
。
若出现该模型死机，立刻会出现基于
A2O
工艺的新型控制数学模型辅助程序来应对该情况
。
该辅助程序会及时检测到是否有最优参数输出，一旦检测到“模型死机”，该辅助脚本就会自动重启
matlab
程序并返回步骤
S3
；
[0011]进一步的，所述步骤
S1
中的输入参数包括但不限于进水流量
、
污泥回流量
、
构筑物体积和常规水质参数；所述常规水质参数包括但不限于化学需氧量
COD、
五日生化需氧量
BOD5、
悬浮物
SS、
总氮
TN、
总磷
TP、
氨氮
NH3—N
与
pH
值
。
[0012]进一步的，所述步骤
S4
中自适应校正具体包括以下子步骤：
[0013]S4.1
：将敏感参数在设定范围内随机变化形成变型的模型；
[0014]S4.2
：将所有模型的变型进行计算，在同一进水条件下计算结果达到出水水质要求但能耗最低的变型被记忆；
[0015]S4.3
：在下一批计算过程中使用上一批计算得到最优结果的变型且有较高的优先级；
[0016]S4.4
：新一批计算得到的更好的变型覆盖之前记忆的变型；
[0017]S4.5
：模型不断更替，保留越来越优势的变型
。
[0018]进一步的，所述步骤
S5
中的“模型死机”判定方法为使用进行
mysql
数据库查询，先查询输出数据最新存入到数据库的时间，在该时间之前的一时间段查询是否有数据，并记录查询结果，若查询结果为无数据，则模型死机
。
[0019]进一步的，所述步骤
S5
中重启模型的方法是确定模型是否运行，查询数据库有无最新数据更新，查询数据库最近三条数据是否重复；若模型没有运行，数据库无最新数据更新，数据库最近三条数据重复三种情况出现至少一种，则关闭模型并重启
。
[0020]进一步的，重启模型的判定过程为定时判定，时效定为6分钟
。
[0021]本专利技术的有益效果：
[0022]本专利技术基于
A2O
生物池工艺的数学模型辅助控制方法能够通过建立准确的数学模型，模拟不同污水处理工艺参数和控制信号对处理效果的影响
。
通过参数优化和模型校正，可以找到最佳的工艺参数和控制策略，以实现最高的处理效率
、
最低的能耗和最优的出水水质
。
[0023]本专利技术提出的数学模型辅助控制方法可以对污水处理过程中出现的问题进行准确的诊断和解决
。
基于数学模型的模拟实验和对比分析，可以快速定位问题，并提供相应的优化方案
。
通过实时监测系统状态和数据，可以及时发现异常情况
、
预测潜在问题，并采取相应措施进行修复，确保处理系统的稳定性和连续性运行
。
[0024]本专利技术提出的数学模型控制系统利用自适应算法和反馈控制机制，能够实现自学习和自优化的能力
。
系统可以根据实际运行数据不断调整模型参数和控制策略，以适应水质波动
、
负荷变化和工艺演变等多种复杂情况
。
这样，系统能够在长期运行中不断提升处理能力
、
降低能耗，并且适应新的工况需求
。
本专利技术针对
A2O
生物池工艺智能控制数学模型在运行过程中出现不能输出最优参数的情况，自动判断并自动重启，然后模型继续进行正常计算；本专利技术可实现实时监控，持续检测
A2O
工艺数学模型，真正意义上解决了模型卡死的难题，为污水处理厂
A2O
生物池工艺智能化控制提供辅助，现更高的污水处理效率；
[0025]本专利技术提出的数学模型辅助控制方法的自动化特性和智能化管理能力，能够减少对人力物力的需求，降低运维成本
。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
A2O
生物池工艺的数学模型辅助控制方法，其特征在于，包括以下步骤：
S1
：数据库设置输入参数；
S2
：根据所输入的参数
、ASM2D
数学模型以及处理单元和运行模块按照工艺流程和时序逻辑耦合，获得
A2O
工艺的整体工艺数学模型；
S3
：对模型进行虚拟运行，不断校正参数；
S4
：对模型进行灵敏度分析并寻找敏感参数，即出水水质影响参数，以出水水质达到要求且能耗最低作为目标，对敏感参数进行自适应校正，使模型自学习并自优化；
S5
：输出最优参数传递给自控系统或者
A2O
工艺的新型控制数学模型不能输出最优参数，即“模型死机”；若输出最优参数，即
PCL
接收数据执行
。
若出现该模型死机，立刻会出现基于
A2O
工艺的新型控制数学模型辅助程序来应对该情况
。
该辅助程序会及时检测到是否有最优参数输出，一旦检测到“模型死机”，该辅助脚本就会自动重启
matlab
程序并返回步骤
S3。2.
如权利要求1所述的基于
A2O
生物池工艺的数学模型辅助控制方法，其特征在于：所述步骤
S1
中的输入参数包括但不限于进水流量
、
污泥回流量
、
构筑物体积和常规水质参数；所述常规水质参数包括但不限于化学需氧量
COD、
五日生化需氧量
BOD5、
悬浮物
SS、
总氮
TN、
总磷
TP、
氨氮

【专利技术属性】
技术研发人员：施宇震，王萍，白永灿，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：