[发明专利]污水处理出水水质软测量方法及在线智能检测仪表

说明书

技术领域

本发明属于污水处理领域技术，尤其涉及一种出水水质软测量方法及其在线智能检测仪表。 

背景技术

在污水处理过程中存在着过程参数时变、数学建模困难、产品质量指标难以在线实时检测或检测时间严重滞后，因而不能实现实时闭环控制、不易保证产品质量的难题。例如衡量污水处理过程出水质量的主要指标COD(ChemicalOxygen Demand化学需氧量)和BOD(Biochemical Oxygen Demand生物化学需氧量)，由于技术或经济的原因，前者的测量仪器价格贵、操作复杂、检测时间长，后者目前还无在线检测仪器。 

为了对COD和BOD这类变量进行实时检测和控制，解决问题的途径和研究的思路主要有以下两种： 

(1)沿袭传统的检测技术发展思路，通过研制新型的过程测量仪表，以硬件为主的方式实现过程参数的直接在线测量。但这种方法存在技术、成本等诸多问题，有较大的局限性。例如国外已研制出COD检测仪，但仍存在滞后时间长，误差较大，价格较贵、使用不便等问题。测出结果的时间严重滞后，无法用实时控制。 

(2)采用间接测量的方法，利用易于获取的其它测量信息，通过数学建模的方法利用这些信息来实现对被检测量的估计。 

软测量是随着控制理论、智能科学发展和计算机技术的推广应用，从九十年代起得到了普遍关注和迅速发展，被认为是进行工业过程监测、优化、控制的重要方法。软测量是目前检测和过程控制研究发展的重要方向。 

2000年我国的何新贵院士根据过程控制系统中控制参数存在依赖于时间函数的特点，首次提出了一种新的神经网络结构---PNN，参见图1所示，即输 入/输出都可以是时间过程或函数的过程神经元网络(PNN--Process NeuralNetwork)。PNN在传统神经元空间聚合运算的基础上，增加了一个时间聚合算子，使过程神经元的聚合运算和激励作用能同时反映信号的空间总和效应和时间总和效应。 

图1给出了隐层是过程神经元、输入和输出是普通神经元的前向型三层网络结构。 

网络可以看作是一个从输入到输出时间函数的高度非线性映射，即F：Rⁿ→R^m，f(X)＝Y。对于样本集合：输入x_i(∈Rⁿ)和输出y_i(∈R^m)，可认为存在某一映射g使：g(x_i)＝y_i  i＝1，2，……n，神经网络通过对简单的非线性函数的多次复合，可近似复杂的函数。 

假设输入层神经元个数是n，隐层神经元个数是m，输出层神经元个数为1。w_ij(t)表示输入层到隐层的连接权值，v_j为隐层节点到输出层节点的连接权值，θ_j¹为隐层节点j的激励阈值，[O，T]为采样周期，f，g分别是激励函数，θ为输出节点阈值。则网络输入与输出之间的映射关系为：