[发明专利]一种基于模糊BP神经网络的废水高级氧化处理智能加药系统及方法

说明书

本发明公开了一种基于模糊BP神经网络的废水高级氧化处理智能加药系统及方法，包括PS高级氧化处理系统、BP神经网络预测模型和模糊控制器，PS高级氧化处理系统以进水流量、进水COD和加药量作为输入向量，以实际出水COD作为输出向量，BP神经网络预测模型以进水流量、进水COD、实际出水COD、加药量作为输入向量，以出水COD预测值为输出向量，模糊控制器以出水COD设定值与出水COD预测值之间的偏差e和偏差变化率e_c作为输入变量，以加药修正量作为输出变量，通过修正后的加药量作为BP神经网络预测模型下一循环的输入向量，并根据其他加药量与该加药量之间的关系完成对各加药量的控制，实现加药量的智能调整。

技术领域

本发明涉及一种水中有机污染物的高级氧化处理领域，特别是涉及一种基于模糊BP神经网络的废水高级氧化处理智能加药系统及方法。

背景技术

近年来，我国工业废水的排放量日益增大，且工业废水成分复杂，环境毒害性较大。目前废水处理的常规方法是一级(物化)处理、二级(生化)处理，但常规处理方法难以处理水中难降解有机污染物。同时随着工业废水排放标准的提高，该传统方法已经无法确保工业废水的达标排放，而对工业废水二级出水进行深度处理，可将水中的难降解有机污染物彻底氧化分解，进一步降低出水COD，提高出水水质。

水中有机污染物的高级氧化法由于药剂成本低，处理周期短，适用范围广，降解效率高且稳定等特点，在受到广泛重视与研究的同时，已实现部分工业化应用。但控制复杂，人工操作误差大等。

在将计算机与自动化技术应用于废水处理的过程控制中，传统控制方法受制于废水处理过程所存在的非线性、不确定性、时滞性、变量多等问题与特点，难以实现对其高效稳定的控制。而基于神经网络与模糊控制，专家控制的智能控制方法可针对废水处理过程各参数的时变性，准确控制该过程各项工艺参数，达到最好的处理效果，同时实现节约资源，降低处理成本的目的。

发明内容

本发明的目的在于克服现有技术中的上述缺陷，提供一种能够智能加药，节省药剂浪费，加药量控制稳定，水质处理效果极佳和稳定的基于模糊BP神经网络的废水高级氧化处理智能加药系统及方法。

为实现上述目的，本发明提供了一种基于模糊BP神经网络的废水高级氧化处理智能加药系统，包括PS高级氧化处理系统，BP神经网络预测模型和模糊控制器，PS高级氧化处理系统以进水流量(m³/h)、进水COD (mg/l)和加药量(L/h)作为输入向量，以实际出水COD(mg/l)作为输出向量，BP神经网络预测模型以进水流量(m³/h)、进水COD(mg/l)、实际出水COD(mg/l)、加药量(L/h)作为输入向量，以出水COD预测值 (mg/l)作为输出向量，模糊控制器以出水COD设定值与BP神经网络预测模型中的出水COD预测值(mg/l)之间的偏差e，以及它们间的偏差变化率e_c作为输入变量，以加药修正量△u(t)作为输出变量，通过修正后的加药量(L/h)作为BP神经网络预测模型下一循环的输入向量之一。

优选的，所述加药量(L/h)为过硫酸盐加药量(L/h)。

优选的，所述BP神经网络预测模型的结构共有4层，分别为输入层，两个隐藏层以及输出层，结构为3-8-5-1，输入层节点数为3，输入向量为X＝[X₁，X₂，X₃]，分别代表进水流量、进水COD以及加药量，第一隐含层神经元节点数为8个，第二隐含层神经元个数为5个，输出层节点数为1 个，输出向量为Y,代表出水COD预测值(mg/l)。

优选的，所述模糊控制器模型采用结构为2-14-49-49-1，第一层节点数为2，代表偏差e和偏差变化率e_c；第二层为14个节点，代表14个隶属度函数，完成隶属度函数值的求取；第三层为49个节点，代表49条模糊规则，完成模糊规则的前件计算；第四层为49个节点，代表49个隶属度的适用度；第五层为1个节点，代表t时刻加药量的修正量。