污水处理中溶解氧的部分内模控制 4页

574化工自动化及仪表第40卷污水处理中溶解氧的部分内模控制王鹏1张井岗1张卫东2(1．太原科技大学自动化系，太原030024；2．上海交通大学自动化系，上海200030)摘要针对污水处理中的不确定参数和不稳定问题，采用改进的内模控制，对变参数活性污泥法污水处理系统的溶解氧浓度进行控制，并对控制器参数进行优化。仿真结果表明：该方法可以快速逼近溶解氧的给定值，并具有较强的抗扰性和鲁棒性。关键词活性污泥水处理系统改进的内模控制溶解氧浓度优化中图分类号TH862+．5l文献标识码A文章编号1000-3932(2013)05-0574-04活性污泥处理工艺在工业污水和生活废水的处理中被广泛应用，该工艺中溶解氧的浓度是污水处理效果的主要影响因素，溶解氧浓度的控制直接关系到排放水是否达标及能耗等一系列问题。目前，对溶解氧的控制大多采用模糊控制方法，该方法依赖于专家经验⋯；采用模糊神经网络控制时，控制器设计复杂旧3；采用鲁棒控制方法，在控制不稳定对象时需要使用状态反馈，工业实际中难以实现¨1。在此，提出一种改进的内模控制方法(PartialInternalModelControl，PIMC)——部分内模控制⋯，根据Youla参数化方法改进控制器h6|，以期直接控制不稳定系统，通过参数化控制器，根据H。指标优化控制器参数，得到最优控制器，最后对活性污泥污水处理系统进行仿真。1系统模型活性污泥处理系统主要由曝气池、曝气系统、二沉池、污泥回流系统和剩余污泥排放系统组成，其工艺流程如图1所示。回流污泥图1活性污泥法污水处理流程DD——溶解氧；Q；——进水污质的流量，n13／d；Q，——回流污质的流量，in3／d；Q。——污质的流量，In3／d；s——曝气池中底物质量浓度，gBOD，／m3；Si——进水中底物的浓度，gBOD，／m3；卜反应器体积，in3；z——曝气池中微生物的质量浓度，gVSS／m3；x，——出水中微生物的质量浓度，gVSS／m3对于如图1所示的活性污泥法污水处理系统，可做如下假设：微生物为非自养，其生长率大于死亡率并满足Monod方程；二沉池无生化反应；回流污泥影响污泥龄和产率系数；进水生物量Xi=0，完全沉淀后的生物量X。=0；有机底物的饱和常数K。《．s；此处仅研究系统的硝化反应¨1。基于上述假设，根据物料平衡定律可以得到系统的状态方程：警叱。喝一c--争Qv")x枷警=一争一号s+号s。塑：!世芒#盟x制+。dt／yoh。⋯⋯收稿日期：2013-01-05(修改稿)基金项目：国家自然科学基金资助项目(61034008)\n第5期王鹏等．污水处理中溶解氧的部分内模控制575式中C——二沉池浓度因子；，——联系有机物和需氧量的因子，grBOD5／grCOD；六——消耗因子，grCOD／grVSS；K——内在迟滞系数，0．05／d；0——混合液中溶解氧的浓度，g0：／m’；Q——流量，m3／d；Ⅱ——曝气量，g02／m3·d‘8|；u。——混合液中溶解氧的浓度，g0：／m3·d；y——产率系数，gVSS／gBOD5；y0。。——观察到的生长系数。对溶解氧设置一冲量系数6，选取曝气量u为控制量，溶解氧浓度0(t)作为被控量一1。2控制系统2。1结构内模控制不能直接用于不稳定系统的控制，因而笔者采用改进的内模控制方法¨o，用以直接控制不稳定对象，其结构如图2所示。图2改进的内模控制结构图2中，G为不稳定系统，设Ai一和A，+为不稳定过程的稳定和不稳定极点，则G可以分解为：∞，=至警≠寻+至警南㈩其中，Re(A；一)10；Ⅳ^f和Ⅳ．广是极点Ai-和A『+的重数。定义：川加善I篁南n一“lnc一(s)=∑∑_—鲁可l=‘=If■一jI。引加薹警芒寿G+(s)=∑∑_—‰』=l‘=l(s一^．J(3)(4)部分内模控制结构中，G=G一+G+，G=G一，则输入、输出关系变为：y=蔫觜％r+并崭等G㈤d㈣2再可百丽酉HT而两丽了叭5’口p’输入与输出的误差为：。：!=生：!12茎!12，一!二垒：!12丝!12d1+G+(s)K(s)l+G+(s)X(s)上式表明，当G=G一时，只有不稳定部分G+在回路中，并且可以用控制器K来稳定；当G稳定时，G+=0，G=G一=G，即部分内模控制变为内模控制。2．2控制器控制器的设计需要满足：反馈系统达到内稳定；实际所需要的渐进性能和动态性能；包含r(s)和d(s)不稳定部分最小公分母的逆。定理一在部分内模控制系统中，当且仅当K能稳定G+时，控制系统是内稳定的H1。定理二对单位反馈系统，如果对象的传递函数为P，使反馈系统达到内稳定的所有控制器的集合为：{譬絮IQ∈H。}(6)‘l，一ⅣO一。’、7其中对象的传递函数P=面N，Ⅳ和肘是日。中的互质分解，且XN+YM=1，X、Y∈日。，Q=Q(o)+者q’g∈日。"1。根据定理一和定理二，当设计出一种控制器能满足稳定G+时，控制系统是内稳定的。当A+≥0时，假设被控对象的传递函数G(s)=石=‰，其中a一(s)是稳定多项式，进而分解为：∞，=专A+等a㈩s一～5J在日。空间中对G一(s)互质分解：。+，、blⅣ(s)∥(5)2寿A2黹1RS一、3，G-(；)：掣Ⅳ(s)2瓦寻‘8)川小景等(9)式中七——G一(s)分子分母的最大阶次。根据Euclid算法，可知：XN+YM=1(10)将式(8)一(10)代入式(6)，即可得到所有控制系统内稳定的控制器。2．3控制器的优化为了提高系统的鲁棒性，采用日。指标优化方法来优化并寻找最优控制器。由灵敏度函数定义可得：\n576化工自动化及仪表第40卷S：!二堡：盟茎盟1+G+(s)K(s)S既反映了外部输入对误差信号的影响，也反映了测量噪声d对输出Y的影响，代表了被控对象相关不确定性的敏感程度。选取min。Ils0。为性能指标，当性能指标趋向于0时，系统的鲁棒性最优。3仿真当K。《S时，导致微生物浓度的增殖完全不受营养物质底物浓度的限制，微生物以最高速度对有机物进行摄取，以最快速度进行分裂繁殖，合成新细胞，虽然净化速度快，但这个阶段微生物较强的活动能力使絮凝体形成不佳，净化效果不理想。因此在考虑低底物浓度的条件下，即S《缸时，将系统调节到一个稳定的平衡状态，此时式(1)可以简化为二阶状态方程，得到活性污泥系统的简化模型：G㈤=I蔫等而(11)将式(11)分解如下：其中，G～)=击‰，N㈩=等，S—U．663斗S十I帅)=等半矧0)-赤一¨24，S十lf；(IJ)Q(0)=1．41。根据min。0s0。指标可得：Q(s，=等篇端岩控制器为：K(，)：坐业；!逭±!鱼：!三塑±Q：竺!Z21±Q：QZ堑毋‘+(0．200／3—0．118)s一0．107式中口——自由参数。将不同参数时溶解氧的输出进行仿真，结果如图3所示，卢越小超调量越小，调节时间越短，抗扰动能力也越强。J●№量oQ砰饕建图3不同参数时溶解氧的输出曲线当有模型失配，并且对象的参数改变量为100％时，模型C(s)=F熹os‰。如图4S—I．一U．1)l二所示的仿真结果表明，口越小系统响应受模型失配的影响越小；无论参数卢是否改变，模型是否失配，系统响应都没有稳态误差，实现了鲁棒跟踪。a．口=0图4不同参数时模型失配溶解氧的输出曲线当要求溶解氧的浓度依次保持在2．0、2．5、2．2mg／L时，得到的仿真曲线如图5所示，部分内模控制可以快速跟踪给定值，并具有较小的超调，而且PIMC方法的跟踪性能要优于文献[3]通过LMI得到的状态反馈控制器。由此可以说明参数化控制器的PIMC方法具有良好的控制性能。图5不同给定值时溶解氧输出曲线的变化4结束语笔者采用部分内模控制方法，并改进优化控制器后，对活性污泥污水处理系统中的溶解氧的50505O505O4322，●00\n第5期王鹏等．污水处理中溶解氧的部分内模控制577调节中进行仿真研究，结果表明：系统能够快速逼近溶解氧的给定值，能够有效抑制可能出现的扰动，并且在模型失配时能够继续有效地控制系统，具有较强的鲁棒性。与模糊控制方法和鲁棒控制方法相比，该方法不仅跟踪性能良好，而且更易于工业实现，对控制具有单个不稳定极点的不稳定对象具有普遍适用性。[1][2][3]【4]参考文献TaoCW．TourJS．RobustFuzzyControlforaPlantwithFuzzyLinearModel[J]．IEEETransFuzzySyst，2005．13(1)：30～42．刘超彬，乔俊飞，张芳芳．污水处理中溶解氧的模糊神经网络控制[J]．山东大学学报(工学版)，2005，35(3)：83～87．吕旋．鲁棒控制方法在污水处理中的应用[D]．石家庄：河北科技大学，2010．WangQG，BiQ，ZhangY．PartialInternalModelCon一[5][6][7][8][9]trol[J]．IEEETransactionsonIndustrialElectronics。2001，44(5)：976—982．DoyleJC，FrancisBA，TannenbaumAR．FeedbackControlTheory[M]．NewYork：Macmillan．1992．ZhangWD，AllgowerF，LiuT．ControllerParameter-izationforSISOandMIMOPlantswithTimeDelay[J]．System&ControlLetters，2006，55(10)：794～802．SanchezEN．MinimalPDFuzzyControlofaWastewaterTreatmentPlant[C]．Proceedingsofthe15thIEEEInter—nationalSymposiumonIntelligentContr01．RioPatras(Greece)：IEEEPress，2000：169—173．OrhonD，ArranN．ModellingofActivatedSludgeSys·tem[M]．Lancaster(PA，USA)：TechnomicPublisherCo，1994．FengYZ，LongTR，GuoJS，ela1．OptimalRobust—nessControlMethodofActivatedSludgeSystemBasedonUncertainParameters[J]．ChinaWater＆Wastewater，2003，19(3)：14一16．PartialInternalModelControlofDissolvedOxygeninWastewaterTreatmentWANGPen91，ZHANGJing—gan91，ZHANGWei—don92(1．DepartmentofAutomation，TaiyuanUniversityofScienceandTechnology，Taiyuan030024，China；2．DepartmentofAutomation，ShanghaiJiaotongUniversity，Shanghai200030，China)AbstractConsideringtheuncertainparametersandunstableproblemsinwastewatcrtreatment，animprovedinternalmodelcontrol—partialinternalmodelcontrol(PIMC)wasproposedtocontrolDOconcentrationintheactivatedsludgemodelwithvariedparametersandtooptimizetheparametersofthecontroller．ThesimulationresultsshowthatPIMCcantrackthesetvalueofDOfastandthemethodhasgreatanti-·disturbanceandrobust··ness．Keywordsactivatedsludgetreatmentsystem，PIMC，DOconcentration，optimization(上接第570页)ComparisonofTechnologiesforSafetyIntegrityLevelDeterminationLVLu(SouthwestPetroleumUniversity，Chengdu610500，China)AbstractStartingfromtheconceptofsafetyintegritylevels，somequalitativeandquantitativemethodsliketheriskmatrix，riskgraph，protectionlayeranalysisandthequantitativemethodbasedonthefrequencyandconsequenceswereintroducedandcomparedtodeterminesafetyintegritylevels．Keywordssafetyinstrumentedsystem，safetyintegritylevels，methodofdetermination，advantageanddisadvantage