基于人工智能的微型生活污水处理过程控制与优化

赵秉举

（中交三公局华中建设有限责任公司）

1 引言

微型生活污水处理系统是一种小规模的污水处理设备装置，常见于小型城市或乡镇，其内部高度集成污水处理工艺与设备设施，相较于大型或中型生活污水处理系统，其初期投资不高、内部结构紧凑、能源消耗较低、污水处理效率较高[1]，可灵活应用于独立公寓、商场、酒店等公共建筑或场所，实现对污水的高效、快速处理，有效减少城镇污水处理厂的污水处理负荷，缓解水环境污染与居民生活之间的冲突，助力节能型、环保型社会建设。

2 微型生活污水处理系统

2.1 微型生活污水处理系统概述

微型生活污水处理设备是一种小型化的污水处理设备，其原理基本上与大型污水处理设备相同，主要包括物理处理、生物处理和化学处理三个环节。其中，物理处理是通过格栅将污水中的大颗粒悬浮物加以过滤后，利用沉淀池沉淀过滤污水中的固体物质；生物处理是利用生物滤池或曝气池对污水中悬浮颗粒的微生物加以降解，去除污水中的有机污染物、氨氮、磷等物质；化学处理是通过在污水中加入化学药物，进一步去除氨氮、磷等污染物质，提高水体的排放质量[2]。

2.2 微型生活污水处理系统步骤流程

微型生活污水处理系统的构成包括进水口、进水格栅、提篮栅栏、反应器壳体、鼓风机、曝气系统、膜组件系统、真空出水泵、自动控制箱、出水口与出水闸门等。从流程来看，微型生活污水处理实施步骤为，某公共建筑或场所的生活污水经污水管道进入化粪池，由进水口、进水格栅、提篮栅栏进行大颗粒污染固体物质滤除后，经厌氧反应后进入反应器壳体，经曝气升华反应与膜过滤后，实现对磷、氨氮、有机物、胶体等物质的有效过滤，最后将过滤后的水经水泵输送至中水回收站，用于公共区域绿化浇灌用水等[3]。

2.3 微型生活污水处理系统特征

相较于大中型污水处理系统，微型生活污水处理系统具有如下特征。

1）一体化特征

微型生活污水处理系统中高度集成反应器壳体、曝气系统、膜组件系统、自动控制箱等设备装置，有效关联厌氧单元、好氧单元、电控系统，形成内部结构紧凑、功能齐全的处理系统。微型生活污水处理系统的一体化特征可减少污水处理过程中各独立运行设备的依赖，提高污水处理过程的联动性，以便工作人员操作自动控制箱调控反应器壳体、曝气系统、鼓风机、出水泵等设备装置的运行状态，降低污水处理系统的故障率。

2）节能性特征

微型生活污水处理系统利用反应器壳体、曝气系统、膜组件系统等设备装置的有效组合，高效稳定地处理生活污水，实现处理后污水达标排放。例如利用高浓度的微生物有效分解污水中的有机污染物，高效输出净化后水体，提高有机污染物的降解效率，相较于大型污水处理设备而言运行能耗与运行成本均较低。

3）智能型特征

微型生活污水处理系统依托计算机技术、现代通信技术、自动控制技术等实现对污水水质情况、各设备装置运行工况的在线监测与动态控制，以便工作人员根据污水水质情况自动调整曝气系统的曝气时间、反应器壳体内的微生物浓度等参数，实现对污水的自动化、智能化处理[4]。

2.4 微型生活污水处理现状

微型生活污水处理利用一体化的污水处理系统对局部公共区域内排放的生活污水加以处理与净化排放，当前微型生活污水处理系统集成了物理处理技术、化学处理技术与生物处理技术，通过不同原理的组合使用实现污水中颗粒物、悬浮物、胶体、有机物的有效过滤，但污水处理过程中仍然存在效率不高、设备运行控制的科学性不高、处理过程不精细等问题[5]。

3 人工智能技术在微型生活污水处理过程控制中的应用

3.1 关键技术

3.1.1 图像识别技术

在微型生活污水处理过程控制中，图像识别技术作为远程在线监控污水处理过程的重要技术，可实时识别与精准反映出污水处理相关设备装置的工作情况与故障情况。例如，通过在污水处理过程现场布设摄像头或红外设备等，利用图像识别技术将现场监控视频分解后的图像帧进行识别分析，掌握污水处理设备的工况。利用图像识别技术对污水图像进行识别分析，精准研究污水中的污染物浓度、沉淀物，实现对污水水质、污水处理设备运行状态的动态监测。

3.1.2 物联网技术

在微型生活污水处理过程控制中，利用物联网技术高度集成各类传感器如污水水质传感器、温度传感器、pH 值检测传感器等，依托各类传感器实时监测与采集污水水质数据如温度、pH值、氨氮浓度、有机物含量、总磷含量等以及污水处理设备的运行工况，替代工作人员日常巡检与人为经验主观判别，快速、准确地发现污水处理设备运行故障并及时预警[6]，同时实时监测的污水水质数据可助力微型生活污水处理过程控制策略优化，以便根据动态变化的生活污水水质情况自动调整与控制污水处理工艺与相关设备装置的运行状态。

3.1.3 人工智能技术

人工智能技术是模拟人脑思维过程进行智能化决策的技术，可将其应用于微型生活污水处理过程智能化控制中，当前在微型生活污水处理过程控制中常用的人工智能技术包括卷积神经网络模型、模糊控制系统、专家经验推理机、遗传算法、机器学习算法等。

3.2 处理过程控制系统设计

3.2.1 数据采集与处理

数据采集与处理模块利用物联网技术、图像识别技术在线获取微型生活污水处理过程中的污水水质情况与处理设备运行状况，通过对前端传感器传回数据的处理与解析，获取微型生活污水处理过程中的污染物浓度、沉淀物指标以及处理设备的运行参数、工作状态，分析污水处理过程中的污水水质变化情况以及处理设备的故障信号。

3.2.2 处理过程控制

在微型生活污水处理系统中，根据所使用的控制算法不同，可分为不同的污水处理过程控制策略优化方案。

1）基于神经网络模型的污水处理过程控制优化

神经网络模型利用若干相互关联的神经元组成网络结构，模拟人脑思维过程与思维模式，自适应学习数据中的规律，挖掘出数据中的复杂非线性关系，作为方案优化或战略决策的网络模型。将神经网络模型应用于微型生活污水处理过程控制优化中，利用神经网络模型学习前端采集的水质数据（溶解氧、氨氮浓度等）、设备工况数据与运行参数、污水处理结果（处理后水质、反应时间、能耗、曝气量等）之间的复杂非线性关系，经模型模拟与收敛构建神经网络模型，以便分析预估不同水质情况、不同设备工况下的污水处理结果。结合数据采集与处理模块在线收集的水质数据与处理设备工况数据实现对污水处理结果的模拟，在污水处理结果最优的前置条件下优化处理设备工况与运行参数，实现对污水处理工艺方案的优化以及对污水处理过程控制的优化。

2）基于模糊控制系统的污水处理过程控制优化

模糊控制系统以模糊数据集与模糊算法为基础理论与方法，将污水处理过程解析映射为模糊规则与推理过程，如对于污水处理系统的模糊控制模块而言，其模糊规则与推理过程由污水处理设备运行参数、投入药剂的剂量、微生物浓度等最终转化为污水水质、处理成本、处理能耗等结果数据的过程[8]。例如，将模糊控制系统引入到活性污泥法中，通过模糊规则的建立以及控制变量计算公式的拟合构建动态活性污泥法模糊控制系统，在控制系统中输入进水流量即可动态输出活性污泥法处理下的污水化学需氧量与生物需氧量，找到最优污泥回流量数值，实现活性污泥法处理工艺实施方案的最优化设计。模糊算法作为模糊控制系统的核心构成，其可以以模糊关系模型充分模拟污水处理工艺中各变量之间的复杂非线性关系，有效消除控制系统的误差，推演出最优的污水处理控制方案，使得污水处理后的水质状况达到预期目标。

3）基于专家经验推理机的污水处理过程控制优化

将经验丰富的生活污水处理专家在所专领域污水处理方面的知识以及污水处理的思维过程转化为污水处理诊断推理机，利用推理机对进水水质状况进行分析与处理工艺推理，实现智能化的污水处理工艺决策。将专家系统引入到微型生活污水处理中，以生活污水的水质参数为输入数据（训练样本），在基于生活污水水质的处理工艺推理方面，利用人工智能技术快速、准确地读取水质数据，并以专家系统中存储专家经验知识的推理机推理出具体的污水处理与控制工艺。

4 结语

微型生活污水处理过程控制利用数据采集与处理模块动态感知微型生活污水处理的动态，包括水质情况与设备工况等，对前端采集与处理的污水水质数据、处理设备运行状况等进行挖掘与分析，依托神经网络模型、专家经验推理机、遗传算法、模糊控制系统等对不同污水处理工艺方案下的污水处理结果进行预测与分析，助力污水处理设备运行参数调整与处理工艺方案优化，可以切实提高微型生活污水处理过程控制的精细度与智能化水平。