污水处理的多模型在线软测量技术

"一类污水处理过程水质多模型在线软测量方法 (2010年) - 丛秋梅, 赵立杰, 柴天佑" 本文介绍了一种用于污水处理过程的水质在线软测量技术，该技术尤其关注在多工况下的水质监测。论文作者通过对污水处理厂入水水质的特征参数进行工况区域分析，利用多模型方法构建了适用于不同工况的水质软测量模型。这种模型的关键在于结合了非线性和线性的特性，以提高预测的准确性。 首先，局部模型采用了Hammerstein模型来描述污水处理过程中的非线性动态。Hammerstein模型是一种非线性系统模型，由一个非线性部分和一个线性部分组成，适合处理输入-输出关系中包含静态非线性和动态线性特性的系统。在本研究中，非线性增益部分通过误差反传类稳定学习算法进行学习，该算法是一种神经网络训练方法，能有效地处理非线性函数的拟合问题。而线性部分则使用递推最小二乘法（RLS）学习ARX模型的参数，ARX模型是自动控制领域常用的线性系统辨识模型，能够从输入输出数据中估计系统的动态行为。 其次，为了适应工况的变化，研究者引入了基于样本与聚类中心之间相近度的在线修正机制。这一机制能够实时更新聚类中心，从而反映出污水处理过程中工况点的动态变化。聚类中心的在线修正对于维持模型的适应性和准确性至关重要，尤其是在工况频繁变化的情况下。 最后，论文通过软切换的多模型建模策略，提出了出水水质化学需氧量（COD）的软测量方法。COD是衡量水体中有机物含量的重要指标，对污水处理效果的评估有着重要意义。实验结果证明，在线修正聚类中心可以有效地反映工况的动态变化，并且多模型软测量方法与实际运行数据对比验证后，显示出了高精度的预测性能。 这篇2010年的研究工作为污水处理过程的在线监控提供了一种有效的方法，它结合了非线性模型和线性模型的优势，通过实时调整以适应工况变化，提高了水质预测的准确性和稳定性。这项技术对于优化污水处理过程、提高运营效率和环境管理具有重要的理论与实践价值。