CN104111618A - 一种活性污泥污水处理曝气环节的建模、滑模控制器及其控制方法 - Google Patents

Abstract

本发明属于自动控制领域，具体涉及一种活性污泥污水处理曝气环节的建模、滑模控制器及其控制方法。该建模和控制方法可求出污水处理曝气环节过程中，任一阶段曝气池中所需溶氧量的大小，从而实现对曝气池中溶氧量的自动化控制，方法包括曝气池生化反应过程的建模和溶氧浓度的滑模控制方法两个部分，本发明提高了活性污泥法污水处理曝气环节的去污能力，提升了处理后的水质，并且溶解氧浓度的实时控制避免了能源的浪费，更加节能。

Description

一种活性污泥污水处理曝气环节的建模、滑模控制器及其控制方法

技术领域

本发明属自动控制技术领域，具体涉及一种活性污泥污水处理曝气环节的建模、滑模控制器及其控制方法。 

背景技术

现如今，环境污染问题已经成为影响人类社会可持续发展的主要问题之一，而在环境污染问题当中污染最严重的就是水资源的污染，尤其是在发展中国家，水资源的污染最为严重。目前，对我国而言，淡水资源十分匮乏，但是由于我国工业化过程中某些技术的不成熟，进一步造成了水资源的污染。迄今为止，加强水资源的治理以及预防水资源的污染成为世界各国关注的焦点。我国由于人口众多，人均所占有的水资源更为短缺，在我国，造成水资源污染主要包括两方面原因，一方面是没有经过任何处理或者是经过处理但是没有达到排放标准的工业废水；另一方面是人们日常生活造成的生活污水。工业废水可以通过建立严格的监督制度以及加强治理使其排放量减少，但是由于我国生活污水处理技术远远落后与西方发达国家，生活污水成为造成我国水资源污染的主要因素。因此，提高治理生活污水的技术以及加强生活污水处理系统的智能控制成为我国改善水资源的污染首先要解决的问题。 

发明内容

本发明为解决现在城市生活污水处理方法及控制系统的开发方面均比较落后的问题，提供一种活性污泥污水处理曝气环节的建模、滑模控制器及滑模控制方法。本发明方法简单易行，具有很好的动态品质和对外部干扰具有很强的适应能力，提高了控制系统对不确定参数、外界扰动及滞后性的鲁棒性能。 

本发明通过以下技术方案予以解决： 

一种活性污泥污水处理曝气环节的建模，其特征是包括以下步骤： 

a.采用活性污泥污水处理曝气环节的工艺流程，即废水首先进入初次沉淀池沉淀，然后在曝气池中进行生物降解，然后在二次沉淀池进行固液分离，分离出上清水排出，底部污泥部分回流污泥至曝气池，剩余活性污泥处理后排出； 

b.根据活性污泥1号模型(ASM1)和微生物的生长动力学方程、物料平衡定律，将步骤a中工艺流程建立活性污泥法污水处理曝气环节的数学模型，利用滑模控制器对其进行智能控制，其数学模型为： 

$\left\{\begin{array}{c}\frac{\mathrm{dX}}{\mathrm{dt}}=\frac{Q}{V}{X}_i-\frac{Q_w}{V}\mathrm{CX}+\widehat{\mathrm{\μ}}\frac{S}{k_s+S}\frac{o}{k_o+o}X-k_{d}X\\ \frac{\mathrm{dS}}{\mathrm{dt}}=\frac{\widehat{\mathrm{\μ}}}{Y_{\mathrm{NH}}}\frac{S}{k_s+S}\frac{o}{k_o+o}X+\frac{Q}{V}(S_i-S)\\ \frac{\mathrm{dO}}{\mathrm{dt}}=-\frac{1-f\·f_x{Y}_{\mathrm{NH}}}{{\mathrm{fY}}_{\mathrm{NH}}}\widehat{\mathrm{\μ}}\frac{S}{k_s+S}\frac{o}{k_o+o}X-f_x{k}_{d}X+u\end{array}\right.$

其中，X是微生物浓度(grVSS/m³)，S是可降解有机物浓度(grBOD₅/m³)，O是溶解氧浓度(grO₂/m³)，X_i是进水微生物浓度(grVSS/m³)，S_i是进水底物的浓度(grDOB₅/m³)，表示的是微生物的最大比增长速率(2/day)，k_s是半速度常数(grBOD₅/m³)，k_o是半饱和系数(2grO₂/m³)，k_d是子衰减系数(0.05/day)，Q是进水流量(m³/day)，V表示的是曝气池的体积(m³)，Q_w表示排出污泥的流量(m³/day)，C是二次沉淀池中污泥的浓缩系数，f是联系有机物与需氧量的一个因子(0.67grBOD₅/COD)，f_x是消耗因子(1.42grCOD/grVSS)，u是曝气量(grO₂/m³day)，Y_NH是观察生长系数。 

c.在废水进入曝气池初始阶段，可降解有机物浓度高于半速度常数，溶解氧浓度高于半饱和系数时，对数学模型进行推导简化得到： 

$\left\{\begin{array}{c}\frac{\mathrm{dX}}{\mathrm{dt}}=(\widehat{\mathrm{\μ}}-k_d-\frac{C{Q}_w}{V})X+\mathrm{\δO}\\ \frac{\mathrm{dS}}{\mathrm{dt}}=-\frac{\widehat{\mathrm{\μ}}}{Y_{\mathrm{NH}}}X-\frac{Q}{V}S+\frac{Q}{V}{S}_i\\ \frac{\mathrm{dO}}{\mathrm{dt}}=-\frac{\widehat{\mathrm{\μ}}(1-f\·f_x{Y}_{\mathrm{NH}})+f{Y}_{\mathrm{NH}}{f}_x{k}_d}{f{Y}_{\mathrm{NH}}}X-\mathrm{\δO}+u\end{array}\right.$

其中，δ是对溶解氧设置的一个充量系数。 

d.随着微生物生化反应的进行，可降解有机物逐渐被消耗，浓度在不断地降低，当可降解有机物浓度低于半速度常数，溶解氧浓度低于半饱和系数时，数学模型简化为： 

$\left\{\begin{array}{c}\frac{\mathrm{dX}}{\mathrm{dt}}=(\widehat{\mathrm{\μ}}\frac{S}{k_s}-k_d-\frac{C{Q}_w}{V})X+\mathrm{\δO}\\ \frac{\mathrm{dS}}{\mathrm{dt}}=-\frac{\widehat{\mathrm{\μ}}}{Y_{\mathrm{NH}}}\frac{S}{k_s}X-\frac{Q}{V}S+\frac{Q}{V}{S}_i\\ \frac{\mathrm{dO}}{\mathrm{dt}}=-\frac{\widehat{\mathrm{\μ}}s(1-f{f}_x{Y}_{\mathrm{NH}})+{\mathrm{fY}}_{\mathrm{NH}}{k}_s{f}_x{k}_d}{{\mathrm{fY}}_{\mathrm{NH}}{k}_s}X+\mathrm{\δO}+u\end{array}\right.$

e.以底物浓度的大小将活性污泥污水处理系统分为两个阶段，即可降解有机物浓度高于半速度常数和可降解有机物浓度低于半速度常数，改进的数学模型变换成状态空间表达式的形式： 

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_{\mathrm{\σ}}x\left(t\right)+\mathrm{Bu}\left(t\right)\\ y\left(t\right)=\mathrm{Cx}\left(t\right)+\mathrm{Du}\left(t\right)\end{array}\right.$

其中， 

$A_1=\left[\begin{array}{ccc}\widehat{\mathrm{\μ}}-k_d-\frac{Q_w}{V}C& 0& \mathrm{\δ}\\ -\frac{1}{Y_{\mathrm{NH}}}\widehat{\mathrm{\μ}}& -\frac{Q}{V}& 0\\ \frac{1-{\mathrm{ff}}_x{Y}_{\mathrm{NH}}-{\mathrm{ff}}_x{Y}_{\mathrm{NH}}{k}_d}{{\mathrm{fY}}_{\mathrm{NH}}}\widehat{\mathrm{\μ}}& 0& \mathrm{\δ}\end{array}\right],$ $A_2=\left[\begin{array}{ccc}\widehat{\mathrm{\μ}}\frac{S}{k_s}-k_d-\frac{Q_w}{V}C& 0& \mathrm{\δ}\\ -\frac{\widehat{\mathrm{\μ}}}{Y_{\mathrm{NH}}}\frac{S}{k_s}\widehat{\mathrm{\μ}}& -\frac{Q}{V}& 0\\ \frac{\widehat{\mathrm{\μ}}S(1-{\mathrm{ff}}_x{Y}_{\mathrm{NH}})+{\mathrm{ff}}_x{Y}_{\mathrm{NH}}{k}_d}{\mathrm{fY}}\widehat{\mathrm{\μ}}& 0& \mathrm{\δ}\end{array}\right]$

B＝[0 0 1]^T，C＝[0 0 1]，D＝0 

优选的，所述的活性污泥污水处理曝气环节的建模，在加入不确定、时滞以及外界干扰因素时，数学模型为： 

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=(A_{\mathrm{\σ}}+{\mathrm{\ΔA}}_{\mathrm{\σ}})x\left(t\right)+(A_{\mathrm{d\σ}}+{\mathrm{\ΔA}}_{\mathrm{d\σ}})x(t-d)\\ +B(u\left(t\right)+w)\\ y\left(t\right)=\mathrm{Cx}\left(t\right)\end{array}\right.$

其中，ΔA_σ、ΔA_dσ为系统的不确定性，d为常时滞，w为外界干扰。 

一种用于上述的活性污泥污水处理曝气环节的建模的滑模控制器，是将建立的数学模型应用滑模控制算法设计活性污泥污水处理曝气环节的滑模控制器，所述滑模控制器是根据系统所期望的动态特性来设计系统的切换超平面(滑模面)，通过滑模控制器使系统状态从超平面之外向滑模面收束，系统一旦到达滑模面，控制作用将保证系统沿滑模面到达系统原点，由于系统的特性和参数只取决于设计的滑模面而与外界干扰没有关系，所以滑模变结构控制具有很强的鲁棒性。从而实现对切换数学模型的精确控制，使稳定时间缩短，控制精度提高，抗干扰能力和鲁棒性提高； 

所述滑模控制器包括两部分，其中一部分是等效控制器u_eq，用于保证从任意状态出发的系统始终满足滑模到达条件；另一部分是校正控制器u_N，用于抵消系统中存在的各种不确定性和外界干扰。 

所述滑模控制器的设计，具体步骤为： 

所述滑模控制的滑模面的选取s(t)＝B^TPx(t)； 

其中B是在加入不确定、时滞以及外界干扰因素时，所建立的数学模型中的输入矩阵，P是正定对称矩阵，x(t)是权利要求2中所建立的数学模型中的状态向量。 

所述滑模控制器的选取： $\begin{array}{c}u\left(t\right)=u_{\mathrm{eq}}+u_N\\ =-\frac{1}{2}s\left(t\right)-\left(\mathrm{\λ}\right|\left|x\left(t\right)\right||+k+\mathrm{\μ})\mathrm{sign}\left(s\left(t\right)\right)\end{array}$

其中u(t)是滑模控制器，其作用是控制活性污泥污水处理曝气环节溶解氧浓度，u_N＝-(λ||x(t)||+k+μ)sign(s(t))，λ,k,μ是正常数，sign(s(t))是关于滑模面函数的符号函数。 

所述滑模控制器的设计，具体步骤为： 

第一步，滑模面的选取， 

第二步，滑模控制器的选取 

第三步，滑模控制器控制效果的稳定性证明。 

1.针对第一步，滑模面选取，选取的依据是，保证存在某一区域，使得状态点趋近该区域时，就会被吸引到该区域内运动，该区域就是滑模面。按照滑模面必须能够吸引状态点的要求，滑模面必须满足以下条件，此条件称为滑模到达条件。 

$\left\{\begin{array}{c}\underset{s\&RightArrow;0^{+}}{\lim }\stackrel{\&CenterDot;}{s}<0\\ \underset{s\&RightArrow;0^{-}}{\lim }\stackrel{\&CenterDot;}{s}>0\end{array}\right.$

其中s代表滑模面。当s从大于0方向趋近于0时，满足的极限小于0，当s从小于0方向趋近于0时，满足的极限大于0，即。 

此处针对在加入不确定、时滞以及外界干扰因素时所建立的数学模型，选 取滑模面s(t)＝B^TPx(t)，保证滑模面以外的状态点都将在有限时间内到达滑模面。 

其中B是在加入不确定、时滞以及外界干扰因素时所建立的数学模型中的输入矩阵，P是正定对称矩阵，x(t)是在加入不确定、时滞以及外界干扰因素时，所建立的数学模型中的状态向量。 

2.针对第二步，滑模控制器的选取，选取的依据是，保证系统的状态点一旦到达滑模面，此状态点将只能沿滑模面运动，在有限时间内达到期望值。滑模控制器应该包括两部分，其中一部分是等效控制器u_eq，作用是保证从任意状态出发的系统始终满足滑模到达条件；另一部分是校正控制器u_N，其作用是抵消系统中存在的各种不确定性和外界干扰。 

针对上一步中所选取的滑模面，滑模控制器选取如下， 

$\begin{array}{c}u\left(t\right)=u_{\mathrm{eq}}+u_N\\ =-\frac{1}{2}s\left(t\right)-\left(\mathrm{\&lambda;}\right|\left|x\left(t\right)\right||+k+\mathrm{\&mu;})\mathrm{sign}\left(s\left(t\right)\right)\end{array}$

其中u(t)是滑模控制器，其作用是控制活性污泥污水处理曝气环节溶解氧浓度，u_N＝-(λ||x(t)||+k+μ)sign(s(t))，λ,k,μ是正常数，sign(s(t))是关于滑模面函数的符号函数。 

3.针对第三步，滑模控制器控制效果的稳定性证明。选取合适的李雅普诺夫函数V(t)，使其满足的条件。证明如下: 

$V\left(t\right)=x^T\left(t\right)\mathrm{Px}\left(t\right)+{\&Integral;}_{t-\mathrm{\&tau;}}^t{x}^T\left(\mathrm{\&theta;}\right)\mathrm{Qx}\left(\mathrm{\&theta;}\right)\mathrm{d\&theta;}$

其中Q是适当维数的常数矩阵。 

将选取的李雅普诺夫函数对时间t求导，可以得到 

$\stackrel{\&CenterDot;}{V}={2x}^T\left(t\right)P\stackrel{\&CenterDot;}{x}\left(t\right)+x^T\left(t\right)\mathrm{Qx}\left(t\right)-x^T(t-\mathrm{\&tau;})\mathrm{Qx}(t-\mathrm{\&tau;})$

将在加入不确定、时滞以及外界干扰因素时所建立数学模型中的代入上 式，得到 

$\stackrel{\&CenterDot;}{V}\left(t\right)=\left[\begin{array}{c}{x}^T\left(t\right)\\ x^T(t-\mathrm{\&tau;})\end{array}\right]\mathrm{\&Theta;}\left[\begin{array}{c}x\left(t\right)\\ x(t-\mathrm{\&tau;})\end{array}\right]+{2x}^T\left(t\right)P{\mathrm{\&Delta;A}}_{1}x(t-\mathrm{\&tau;})-x^T\left(t\right)P{\mathrm{\&Delta;BB}}^T\mathrm{Px}\left(t\right)-{2x}^T\left(t\right)P(B+\mathrm{\&Delta;B})$

$(B+\mathrm{\&Delta;B})\left(\mathrm{\&lambda;}\right|\left|x\left(t\right)\right||+k+\mathrm{\&mu;})\mathrm{sign}\left(s\left(t\right)\right)+{2x}^T\left(t\right)P(B+\mathrm{\&Delta;B})w\left(t\right)$

$=\left[\begin{array}{c}{x}^T\left(t\right)\\ x^T(t-\mathrm{\&tau;})\end{array}\right]\mathrm{\&Theta;}\left[\begin{array}{c}x\left(t\right)\\ x(t-\mathrm{\&tau;})\end{array}\right]+{2x}^T\left(t\right)PB({\mathrm{\&Sigma;}}_2\mathrm{Gx}(t-\mathrm{\&tau;})-(I+{\mathrm{\&Sigma;}}_{3}E)\left(\mathrm{\&lambda;}\right|\left|x\left(t\right)\right||+k+\mathrm{\&mu;})$ 其中， 

$\&le;\left[\begin{array}{c}{x}^T\left(t\right)\\ x^T(t-\mathrm{\&tau;})\end{array}\right]\mathrm{\&Theta;}\left[\begin{array}{c}x\left(t\right)\\ x(t-\mathrm{\&tau;})\end{array}\right]+2\left|\right|s\left(t\right)\left|\right|\left|\right|E\left|\right|\left(\right|\left|x(t-\mathrm{\&tau;})\right||-\mathrm{\&lambda;}|\left|x\left(t\right)\right|\left|\right)-\mathrm{\&mu;}-1)$

$\&le;0$

$\mathrm{\&Theta;}=\left[\begin{array}{cc}\mathrm{\&Pi;}+Q& {\mathrm{PA}}_1\\ A_1^{T}P& -Q\end{array}\right],\mathrm{\&Pi;}=A^{T}P+\mathrm{PA}-P{\mathrm{BB}}^{T}P+{\mathrm{\&beta;}}^{-1}{\mathrm{PBB}}^{T}P$

从上式结果中可以看出，由于，则此控制器u(t)能够保证活性污泥污水处理曝气环节溶解氧浓度渐近稳定到期望值。从而实现一种活性污泥污水处理曝气环节的建模、滑模控制器控制。 

一种使用上述述滑模控制器对活性污泥污水处理曝气环节进行控制的方法，包括以下步骤： 

步骤一，根据ASM1模型和微生物的生长动力学方程、物料平衡定律化简ASM1模型，得到化简数学模型； 

步骤二，根据可降解有机物浓度的高低，将步骤一ASM1化简模型分为两个子系统，即可降解有机物浓度高于半速度常数子系统和可降解有机物浓度低于半速度常数子系统； 

步骤三，利用切换系统理论将步骤二两个子系统结合为统一的数学模型，不考虑不确定性、时滞以及外界干扰因素，得到简化数学模型； 

步骤四，根据污水处理实际情况，对步骤三简化数学模型，加入不确定性、时滞以及外界干扰因素，得到切换数学模型； 

步骤五，根据步骤四切换数学模型，设计滑模控制器，编写MATLAB滑模控 制器子程序； 

步骤六，开启工控机(为上位机)和PLC控制装置，利用组态王DDE通讯，定时在组态王中调用MATLAB滑模控制器子程序，实现滑模控制，实时在线调整溶解氧浓度； 

步骤七，循环执行步骤六，即可得到溶解氧浓度实时控制曲线。 

所述的一种对活性污泥污水处理曝气环节进行滑模控制的方法，包括以下具体步骤： 

滑模控制采用上位机与下位机相结合的控制方式，所述上位机为安装有组态王(简称组态王)和MATLAB软件(简称MATLAB)的工业计算机，所述的下位机采用西门子公司的S7-315-2DP PLC，在本曝气环节自动控制过程中，溶氧仪采集的溶解氧浓度信号送给PLC，PLC以变量形式将溶解氧浓度信号送至上位机组态王，上位机组态王利用DDE通讯将其传给MATLAB，MATLAB运行根据所设计的滑模控制器编写的滑模控制程序，计算所需控制量u(t)，计算完成后，将u(t)传送给组态王，再由组态王传给PLC，PLC将u(t)转换为0-10V电压信号，送至变频器MM440，调节输出频率，进而调节鼓风机转速，使溶解氧浓度根据可降解有机物浓度高低，分别控制在4mg/L和2.2mg/L。 

本发明与现有技术相比具有的突出的实质性优点为： 

(1)建立的数学模型满足污水处理曝气环节的工艺要求。 

(2)设计的控制器能够使曝气池中溶解氧浓度根据曝气过程中的需求实现切换。 

(3)控制精确，操作简单，控制系统的动态性能和稳态性能均能满足活性污泥污水处理的工艺要求。 

新的建模方法从曝气环节的整体工艺出发，建立的数学模型符合曝气环节生化反应的整体流程；滑模控制方法的应用，提高了控制系统对不确定参数、外界扰动及滞后性的鲁棒性能。曝气环节中溶解氧浓度的实时控制，提高了活 性污泥法污水处理曝气环节的去污能力，提升了处理后的水质，并且溶解氧浓度的实时控制避免了能源的浪费，更加节能。 

附图说明

图1为本发明中活性污泥污水处理过程基本流程图； 

图2为活性污泥曝气环节滑模控制过程示意图； 

图3为滑模控制曲线； 

图4为PID控制曲线。 

具体实施方式

下面结合附图对本发明作进一步的说明。 

一.采用活性污泥污水处理曝气环节的工艺流程，即废水首先进入初次沉淀池沉淀，然后在曝气池中进行生物降解，然后在二次沉淀池进行固液分离，分离出上清水排出，底部污泥部分回流污泥至曝气池，剩余活性污泥处理后排出。 

本发明为解决现在城市生活污水处理方法及控制系统的开发方面均比较落后的问题，提供一种活性污泥污水处理曝气环节的建模、滑模控制器及滑模控制方法。本发明方法简单易行，具有很好的动态品质和对外部干扰具有很强的适应能力，提高了控制系统对不确定参数、外界扰动及滞后性的鲁棒性能。 

二.本发明的技术方案为下述内容： 

1.一种活性污泥污水处理曝气环节的建模，包括以下步骤： 

a.采用活性污泥污水处理曝气环节的工艺流程，即废水首先进入初次沉淀池沉淀，然后在曝气池中进行生物降解，然后在二次沉淀池进行固液分离，分离出上清水排出，底部污泥部分回流污泥至曝气池，剩余活性污泥处理后排出，如图1为本发明中活性污泥污水处理过程基本流程图。 

b.根据活性污泥1号模型(ASM1)和微生物的生长动力学方程、物料平衡定律，将步骤a中工艺流程建立活性污泥法污水处理曝气环节的数学模型，利用 滑模控制器对其进行智能控制，其数学模型为： 

$\left\{\begin{array}{c}\frac{\mathrm{dX}}{\mathrm{dt}}=\frac{Q}{V}{X}_i-\frac{Q_w}{V}\mathrm{CX}+\widehat{\mathrm{\&mu;}}\frac{S}{k_s+S}\frac{o}{k_o+o}X-k_{d}X\\ \frac{\mathrm{dS}}{\mathrm{dt}}=\frac{\widehat{\mathrm{\&mu;}}}{Y_{\mathrm{NH}}}\frac{S}{k_s+S}\frac{o}{k_o+o}X+\frac{Q}{V}(S_i-S)\\ \frac{\mathrm{dO}}{\mathrm{dt}}=-\frac{1-f\&CenterDot;f_x{Y}_{\mathrm{NH}}}{{\mathrm{fY}}_{\mathrm{NH}}}\widehat{\mathrm{\&mu;}}\frac{S}{k_s+S}\frac{o}{k_o+o}X-f_x{k}_{d}X+u\end{array}\right.$

其中，X是微生物浓度(grVSS/m³)，S是可降解有机物浓度(grBOD₅/m³)，O是溶解氧浓度(grO₂/m³)，X_i是进水微生物浓度(grVSS/m³)，S_i是进水底物的浓度(grDOB₅/m³)，表示的是微生物的最大比增长速率(2/day)，k_s是半速度常数(grBOD₅/m³)，k_o是半饱和系数(2grO₂/m³)，k_d是子衰减系数(0.05/day)，Q是进水流量(m³/day)，V表示的是曝气池的体积(m³)，Q_w表示排出污泥的流量(m³/day)，C是二次沉淀池中污泥的浓缩系数，f是联系有机物与需氧量的一个因子(0.67grBOD₅/COD)，f_x是消耗因子(1.42grCOD/grVSS)，u是曝气量(grO₂/m³day)，Y_NH是观察生长系数。 

c.在废水进入曝气池初始阶段，可降解有机物浓度高于半速度常数，溶解氧浓度高于半饱和系数时，对数学模型进行推导简化得到： 

$\left\{\begin{array}{c}\frac{\mathrm{dX}}{\mathrm{dt}}=(\widehat{\mathrm{\&mu;}}-k_d-\frac{C{Q}_w}{V})X+\mathrm{\&delta;O}\\ \frac{\mathrm{dS}}{\mathrm{dt}}=-\frac{\widehat{\mathrm{\&mu;}}}{Y_{\mathrm{NH}}}X-\frac{Q}{V}S+\frac{Q}{V}{S}_i\\ \frac{\mathrm{dO}}{\mathrm{dt}}=-\frac{\widehat{\mathrm{\&mu;}}(1-f\&CenterDot;f_x{Y}_{\mathrm{NH}})+f{Y}_{\mathrm{NH}}{f}_x{k}_d}{f{Y}_{\mathrm{NH}}}X-\mathrm{\&delta;O}+u\end{array}\right.$

其中，δ是对溶解氧设置的一个充量系数。 

d.随着微生物生化反应的进行，可降解有机物逐渐被消耗，浓度在不断地 降低，当可降解有机物浓度低于半速度常数，溶解氧浓度低于半饱和系数时，数学模型简化为： 

$\left\{\begin{array}{c}\frac{\mathrm{dX}}{\mathrm{dt}}=(\widehat{\mathrm{\&mu;}}\frac{S}{k_s}-k_d-\frac{C{Q}_w}{V})X+\mathrm{\&delta;O}\\ \frac{\mathrm{dS}}{\mathrm{dt}}=-\frac{\widehat{\mathrm{\&mu;}}}{Y_{\mathrm{NH}}}\frac{S}{k_s}X-\frac{Q}{V}S+\frac{Q}{V}{S}_i\\ \frac{\mathrm{dO}}{\mathrm{dt}}=-\frac{\widehat{\mathrm{\&mu;}}s(1-f{f}_x{Y}_{\mathrm{NH}})+{\mathrm{fY}}_{\mathrm{NH}}{k}_s{f}_x{k}_d}{{\mathrm{fY}}_{\mathrm{NH}}{k}_s}X+\mathrm{\&delta;O}+u\end{array}\right.$

e.以底物浓度的大小将活性污泥污水处理系统分为两个阶段，即可降解有机物浓度高于半速度常数和可降解有机物浓度低于半速度常数，改进的数学模型变换成状态空间表达式的形式： 

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_{\mathrm{\&sigma;}}x\left(t\right)+\mathrm{Bu}\left(t\right)\\ y\left(t\right)=\mathrm{Cx}\left(t\right)+\mathrm{Du}\left(t\right)\end{array}\right.$

其中， 

$A_1=\left[\begin{array}{ccc}\widehat{\mathrm{\&mu;}}-k_d-\frac{Q_w}{V}C& 0& \mathrm{\&delta;}\\ -\frac{1}{Y_{\mathrm{NH}}}\widehat{\mathrm{\&mu;}}& -\frac{Q}{V}& 0\\ \frac{1-{\mathrm{ff}}_x{Y}_{\mathrm{NH}}-{\mathrm{ff}}_x{Y}_{\mathrm{NH}}{k}_d}{{\mathrm{fY}}_{\mathrm{NH}}}\widehat{\mathrm{\&mu;}}& 0& \mathrm{\&delta;}\end{array}\right],$ $A_2=\left[\begin{array}{ccc}\widehat{\mathrm{\&mu;}}\frac{S}{k_s}-k_d-\frac{Q_w}{V}C& 0& \mathrm{\&delta;}\\ -\frac{\widehat{\mathrm{\&mu;}}}{Y_{\mathrm{NH}}}\frac{S}{k_s}\widehat{\mathrm{\&mu;}}& -\frac{Q}{V}& 0\\ \frac{\widehat{\mathrm{\&mu;}}S(1-{\mathrm{ff}}_x{Y}_{\mathrm{NH}})+{\mathrm{ff}}_x{Y}_{\mathrm{NH}}{k}_d}{\mathrm{fY}}\widehat{\mathrm{\&mu;}}& 0& \mathrm{\&delta;}\end{array}\right]$

B＝[0 0 1]^T，C＝[0 0 1]，D＝0 

从ASM1模型中能够非常明显的观察出，利用活性污泥处理污水的过程是一个复杂的动态生物反应过程，在这一过程中，污水处理系统具有参数的不确定性、非线性、时变性以及各个因素之间的强耦合等特性。 

本发明将非线性系统变换成两个线性系统之间的切换，从而将复杂的非线性过程变成一个简单的切换系统。 

由于污水处理曝气过程是通过微生物的作用，将有机污染物转变成无害的 气体产物(如CO₂,NO₂,N₂)、液体产物(如水)以及富含有机物的固体产物(生物污泥)，其中生物污泥在沉淀池沉淀，从净化后的污水中除去。从控制的角度来看污水处处理曝气过程具有如下特性：一是非线性，污水处理过程中的各变量间为高度非线性，并且由于涉及到机理复杂的生化反应，这些非线性无法用传统的方法来描述；二是不确定性，污水处理过程的不确定性包括由于进水水量水质剧烈波动而引起的系统不确定性和传感器检测信息的不确定性；三是大滞后，进水水量水质的波动要滞后较长时间才与生化池的混合液悬浮固体浓度有关，生化池的混合液悬浮固体浓度、溶解氧浓度变化滞后一段时间后才影响到出水的悬浮物、生化需氧量、溶解氧等质量指标。并且滞后时间与进水量有关，因此滞后时间也是不确定的，另一方面传感器的检测也存在滞后。考虑到实际活性污泥污水处理的系统具有非线性、不确定性、大滞后的特点，为了不失一般性，故在上述状态方程中加入不确定、时滞以及外界干扰，上述状态方程变为： 

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=(A_{\mathrm{\&sigma;}}+{\mathrm{\&Delta;A}}_{\mathrm{\&sigma;}})x\left(t\right)+(A_{\mathrm{d\&sigma;}}+{\mathrm{\&Delta;A}}_{\mathrm{d\&sigma;}})x(t-d)\\ +B(u\left(t\right)+w)\\ y\left(t\right)=\mathrm{Cx}\left(t\right)\end{array}\right.$

其中，ΔA_σ、ΔA_1σ为系统的不确定性，d为常时滞，w为外界干扰。该方程组更适用于后边采用的滑模控制方法。 

2.一种用于上述的活性污泥污水处理曝气环节的建模的滑模控制器，是将建立的数学模型应用滑模控制算法设计活性污泥污水处理曝气环节的滑模控制器，所述滑模控制器是根据系统所期望的动态特性来设计系统的切换超平面(滑模面)，通过滑模控制器使系统状态从超平面之外向滑模面收束，系统一旦到达滑模面，控制作用将保证系统沿滑模面到达系统原点，由于系统的特性和参数只取决于设计的滑模面而与外界干扰没有关系，所以滑模变结构控制具有很强 的鲁棒性。从而实现对切换数学模型的精确控制，使稳定时间缩短，控制精度提高，抗干扰能力和鲁棒性提高； 

所述滑模控制器包括两部分，其中一部分是等效控制器u_eq，用于保证从任意状态出发的系统始终满足滑模到达条件；另一部分是校正控制器u_N，用于抵消系统中存在的各种不确定性和外界干扰。 

所述滑模控制器的设计，具体步骤为： 

所述滑模控制的滑模面的选取s(t)＝B^TPx(t)； 

其中B是权利要求2中所建立的数学模型中的输入矩阵，P是正定对称矩阵，x(t)是权利要求2中所建立的数学模型中的状态向量。 

所述滑模控制器的选取： $\begin{array}{c}u\left(t\right)=u_{\mathrm{eq}}+u_N\\ =-\frac{1}{2}s\left(t\right)-\left(\mathrm{\&lambda;}\right|\left|x\left(t\right)\right||+k+\mathrm{\&mu;})\mathrm{sign}\left(s\left(t\right)\right)\end{array}$

其中u(t)是滑模控制器，其作用是控制活性污泥污水处理曝气环节溶解氧浓度，u_N＝-(λ||x(t)||+k+μ)sign(s(t))，λ,k,μ是正常数，sign(s(t))是关于滑模面函数的符号函数。 

所述滑模控制器的设计，具体步骤为： 

第一步，滑模面的选取， 

第二步，滑模控制器的选取 

第三步，滑模控制器控制效果的稳定性证明。 

1)针对第一步，滑模面选取，选取的依据是，保证存在某一区域，使得状态点趋近该区域时，就会被吸引到该区域内运动，该区域就是滑模面。按照滑模面必须能够吸引状态点的要求，滑模面必须满足以下条件，此条件称为滑模到达条件。 

$\left\{\begin{array}{c}\underset{s\&RightArrow;0^{+}}{\lim }\stackrel{\&CenterDot;}{s}<0\\ \underset{s\&RightArrow;0^{-}}{\lim }\stackrel{\&CenterDot;}{s}>0\end{array}\right.$

其中s代表滑模面。当s从大于0方向趋近于0时，满足的极限小于0，当s从小于0方向趋近于0时，满足的极限大于0，即。 

此处针在加入不确定、时滞以及外界干扰因素时所建立的数学模型，选取滑模面s(t)＝B^TPx(t)，保证滑模面以外的状态点都将在有限时间内到达滑模面。 

其中B是在加入不确定、时滞以及外界干扰因素时所建立的数学模型中的输入矩阵，P是正定对称矩阵，x(t)是在加入不确定、时滞以及外界干扰因素时所建立的数学模型中的状态向量。 

2)针对第二步，滑模控制器的选取，选取的依据是，保证系统的状态点一旦到达滑模面，此状态点将只能沿滑模面运动，在有限时间内达到期望值。滑模控制器应该包括两部分，其中一部分是等效控制器u_eq，作用是保证从任意状态出发的系统始终满足滑模到达条件；另一部分是校正控制器u_N，其作用是抵消系统中存在的各种不确定性和外界干扰。 

针对上一步中所选取的滑模面，滑模控制器选取如下， 

$\begin{array}{c}u\left(t\right)=u_{\mathrm{eq}}+u_N\\ =-\frac{1}{2}s\left(t\right)-\left(\mathrm{\&lambda;}\right|\left|x\left(t\right)\right||+k+\mathrm{\&mu;})\mathrm{sign}\left(s\left(t\right)\right)\end{array}$

其中u(t)是滑模控制器，其作用是控制活性污泥污水处理曝气环节溶解氧浓度，u_N＝-(λ||x(t)||+k+μ)sign(s(t))，λ,k,μ是正常数，sign(s(t))是关于滑模面函数的符号函数。 

3)针对第三步，滑模控制器控制效果的稳定性证明。选取合适的李雅普诺夫函数V(t)，使其满足的条件。证明如下: 

$V\left(t\right)=x^T\left(t\right)\mathrm{Px}\left(t\right)+{\&Integral;}_{t-\mathrm{\&tau;}}^t{x}^T\left(\mathrm{\&theta;}\right)\mathrm{Qx}\left(\mathrm{\&theta;}\right)\mathrm{d\&theta;}$

其中Q是适当维数的常数矩阵。 

将选取的李雅普诺夫函数对时间t求导，可以得到 

$\stackrel{\&CenterDot;}{V}={2x}^T\left(t\right)P\stackrel{\&CenterDot;}{x}\left(t\right)+x^T\left(t\right)\mathrm{Qx}\left(t\right)-x^T(t-\mathrm{\&tau;})\mathrm{Qx}(t-\mathrm{\&tau;})$

将权利要求2中所建立数学模型中的代入上式，得到 

$\stackrel{\&CenterDot;}{V}\left(t\right)=\left[\begin{array}{c}{x}^T\left(t\right)\\ x^T(t-\mathrm{\&tau;})\end{array}\right]\mathrm{\&Theta;}\left[\begin{array}{c}x\left(t\right)\\ x(t-\mathrm{\&tau;})\end{array}\right]+{2x}^T\left(t\right)P{\mathrm{\&Delta;A}}_{1}x(t-\mathrm{\&tau;})-x^T\left(t\right)P{\mathrm{\&Delta;BB}}^T\mathrm{Px}\left(t\right)-{2x}^T\left(t\right)P(B+\mathrm{\&Delta;B})$

$(B+\mathrm{\&Delta;B})\left(\mathrm{\&lambda;}\right|\left|x\left(t\right)\right||+k+\mathrm{\&mu;})\mathrm{sign}\left(s\left(t\right)\right)+{2x}^T\left(t\right)P(B+\mathrm{\&Delta;B})w\left(t\right)$

$=\left[\begin{array}{c}{x}^T\left(t\right)\\ x^T(t-\mathrm{\&tau;})\end{array}\right]\mathrm{\&Theta;}\left[\begin{array}{c}x\left(t\right)\\ x(t-\mathrm{\&tau;})\end{array}\right]+{2x}^T\left(t\right)PB({\mathrm{\&Sigma;}}_2\mathrm{Gx}(t-\mathrm{\&tau;})-(I+{\mathrm{\&Sigma;}}_{3}E)\left(\mathrm{\&lambda;}\right|\left|x\left(t\right)\right||+k+\mathrm{\&mu;})$ 其中， 

$\&le;\left[\begin{array}{c}{x}^T\left(t\right)\\ x^T(t-\mathrm{\&tau;})\end{array}\right]\mathrm{\&Theta;}\left[\begin{array}{c}x\left(t\right)\\ x(t-\mathrm{\&tau;})\end{array}\right]+2\left|\right|s\left(t\right)\left|\right|\left|\right|E\left|\right|\left(\right|\left|x(t-\mathrm{\&tau;})\right||-\mathrm{\&lambda;}|\left|x\left(t\right)\right|\left|\right)-\mathrm{\&mu;}-1)$

$\&le;0$

$\mathrm{\&Theta;}=\left[\begin{array}{cc}\mathrm{\&Pi;}+Q& {\mathrm{PA}}_1\\ A_1^{T}P& -Q\end{array}\right],\mathrm{\&Pi;}=A^{T}P+\mathrm{PA}-P{\mathrm{BB}}^{T}P+{\mathrm{\&beta;}}^{-1}{\mathrm{PBB}}^{T}P$

从上式结果中可以看出，由于则此控制器u(t)能够保证活性污泥污水处理曝气环节溶解氧浓度渐近稳定到期望值。从而实现一种活性污泥污水处理曝气环节的建模、滑模控制器控制。 

三.一种使用上述述滑模控制器对活性污泥污水处理曝气环节进行控制的方法，包括以下步骤： 

步骤一，根据ASM1模型和微生物的生长动力学方程、物料平衡定律化简ASM1模型，得到化简数学模型； 

步骤二，根据可降解有机物浓度的高低，将步骤一ASM1化简数学模型分为两个子系统，即可降解有机物浓度高于半速度常数子系统和可降解有机物浓度低于半速度常数子系统； 

步骤三，利用切换系统理论将步骤二两个子系统结合为统一的数学模型， 不考虑不确定性、时滞以及外界干扰因素，得到简化数学模型； 

步骤四，根据污水处理实际情况，对步骤三简化数学模型，加入不确定性、时滞以及外界干扰因素，得到切换数学模型； 

步骤五，根据步骤四切换数学模型，设计滑模控制器，编写MATLAB滑模控制器子程序； 

步骤六，开启上位机(工控机)和下位机(PLC)控制装置，利用组态王DDE通讯，定时在组态王中调用MATLAB滑模控制器子程序，实现滑模控制，实时在线调整溶解氧浓度； 

步骤七，循环执行步骤六，即可得到溶解氧浓度实时控制曲线。 

所述的一种对活性污泥污水处理曝气环节进行滑模控制的方法，包括以下具体步骤： 

滑模控制采用上位机与下位机相结合的控制方式，所述上位机为安装有组态王(简称组态王)和MATLAB软件(简称MATLAB)的工业计算机，所述的下位机采用西门子公司的S7-315-2DP PLC，在本曝气环节自动控制过程中，溶氧仪采集的溶解氧浓度信号送给PLC，PLC以变量形式将溶解氧浓度信号送至上位机组态王，上位机组态王利用DDE通讯将其传给MATLAB，MATLAB运行根据所设计的滑模控制器编写的滑模控制程序，计算所需控制量u(t)，计算完成后，将u(t)传送给组态王，再由组态王传给PLC，PLC将u(t)转换为0-10V电压信号，送至变频器MM440，调节输出频率，进而调节鼓风机转速，使溶解氧浓度根据可降解有机物浓度高低，分别控制在4mg/L和2.2mg/L。 

四、本实施例为污水处理厂的日处理能力为3万吨，其中动力鼓风机房采用2台200KW的罗茨风机对曝气池进行曝气。在本曝气环节自动控制系统中，现场采集的溶解氧浓度信号传送给下位机PLC，上位机通过组态王以变量形式读取PLC中的溶解氧数据，然后利用DDE通讯将其传给MATLAB，由MATLAB运行根据本发明中控制方法所编写的滑模控制计算程序，计算完成后，将输出值回传 给组态王，再由组态王传给PLC，PLC通过模拟量输出模块SM332输出0-10V电压信号，调节变频器MM430的输出频率，进而调节鼓风机转速，实现对溶解氧浓度的控制,图2为本发明活性污泥曝气环节滑模控制过程示意图。 

新的建模方法从曝气环节的整体工艺出发，建立的数学模型符合曝气环节生化反应的整体流程；滑模控制方法的应用，提高了控制系统对不确定参数、外界扰动及滞后性的鲁棒性能。曝气环节中溶解氧浓度的实时控制，提高了活性污泥法污水处理曝气环节的去污能力，提升了处理后的水质，并且溶解氧浓度的实时控制避免了能源的浪费，更加节能。 

组态王的DDE对话的内容是通过应用程序名、主题名和项目三个标识名来约定的。组态王运行系统的程序名是“VIEW”,主题名是“GNAME”,项目名则是在定义DDE变量时定义的项目名称,是具体的数据对象。MATLAB也支持DDE,当MATLAB以客户身份建立DDE通信时,需要使用MATLAB中的DDE客户端模块所提供的固有函数,这些函数包括：初始化函数,定义程序名和主题名的初始值；建立链接，本发明中采用热链接；请求数据；发送数据；释放链接；链接终止。 

本发明中，滑模控制算法的编程实现，分为DDE初始化部分和控制程序两部分。在MATLAB中创建新的m文件，编写DDE初始化函数以及控制函数，针对本控制系统，初始化DDE程序按照DDE协议，定义上述6个函数，将组态王中的变量“S7300.DB.54”传送给MATLAB中的变量x3(i)，此变量代表溶解氧浓度值。 

DDE初始化成功后，则可运行调试主程序，现将程序运行过程描述如下： 

1)定义函数，将溶解氧浓度检测值对应MATLAB中的变量。 

2)请求数据，将组态王中溶解氧浓度变量传给MATLAB中变量。 

3)调用滑模控制器子程序，实现滑模控制算法。 

4)发送数据，将滑模控制器子程序的输出值回传给组态王中相应的变量，此变量用于控制变频器频率，进而控制鼓风机。 

5)用ddeterm命令结束DDE通讯。 

6)循环执行上述步骤，实现溶解氧浓度实时控制。 

通过逐一完成以上所说的步骤，便可以实现活性污泥污水处理滑模控制，将得出的实时趋势曲线，与PID控制实时趋势曲线相比较，可明显看出滑模控制曲线波动小，超调量也小，响应时间快，能够更快速的达到设定值并保持稳定。如图3，图4。 

本发明与现有技术相比具有的突出的实质性优点为： 

1)建立的数学模型满足污水处理曝气环节的工艺要求 

2)设计的控制器能够使曝气池中溶解氧浓度根据曝气过程中的需求实现切换。 

3)控制精确，操作简单，控制系统的动态性能和稳态性能均能满足活性污泥污水处理的工艺要求。 

Claims (5)

1.一种活性污泥污水处理曝气环节的建模，其特征是包括以下步骤： 

a.采用活性污泥污水处理曝气环节的工艺流程，即废水首先进入初次沉淀池沉淀，然后在曝气池中进行生物降解，然后在二次沉淀池进行固液分离，分离出上清水排出，底部污泥部分回流污泥至曝气池，剩余活性污泥处理后排出； 

b.根据活性污泥1号模型(ASM1)和微生物的生长动力学方程、物料平衡定律，将步骤a中工艺流程建立活性污泥法污水处理曝气环节的数学模型，利用滑模控制器对其进行智能控制，其数学模型为： 

其中，X是微生物浓度(gr VSS/m³)，S是可降解有机物浓度(gr BOD₅/m³)，O是溶解氧浓度(gr O₂/m³)，X_i是进水微生物浓度(gr VSS/m³)，S_i是进水底物的浓度(gr DOB₅/m³)，表示的是微生物的最大比增长速率(2/day)，k_s是半速度常数(gr BOD₅/m³)，k_o是半饱和系数(2gr O₂/m³)，k_d是子衰减系数(0.05/day)，Q是进水流量(m³/day)，V表示的是曝气池的体积(m³)，Q_w表示排出污泥的流量(m³/day)，C是二次沉淀池中污泥的浓缩系数，f是联系有机物与需氧量的一个因子(0.67gr BOD₅/COD)，f_x是消耗因子(1.42gr COD/grVSS)，u是曝气量(grO₂/m³day)，Y_NH是观察生长系数。 

c.在废水进入曝气池初始阶段，可降解有机物浓度高于半速度常数，溶解氧浓度高于半饱和系数时，对数学模型进行推导简化得到： 

其中，δ是对溶解氧设置的一个充量系数； 

d.随着微生物生化反应的进行，可降解有机物逐渐被消耗，浓度在不断地降低，当可降解有机物浓度低于半速度常数，溶解氧浓度低于半饱和系数时，数学模型简化为： 

e.以底物浓度的大小将活性污泥污水处理系统分为两个阶段，即可降解有机物浓度高于半速度常数和可降解有机物浓度低于半速度常数，改进的数学模型变换成状态空间表达式的形式： 

其中， 

B＝[0 0 1]^T，C＝[0 0 1]，D＝0 。

2.如权利要求1所述的活性污泥污水处理曝气环节的建模，其特征是，在加入不确定、时滞以及外界干扰因素时，数学模型为： 

其中，ΔA_σ、ΔA_dσ为系统的不确定性，d为常时滞，w为外界干扰。 

3.一种用于权利要求1所述的活性污泥污水处理曝气环节的建模的滑模控制器，其特征是，建立的数学模型应用滑模控制算法 

将建立的数学模型应用滑模控制算法设计活性污泥污水处理曝气环节的滑模控制器，所述滑模控制器是根据系统所期望的动态特性来设计系统的切换超平面(滑模面)，通过滑模控制器使系统状态从超平面之外向滑模面收敛，系统一旦到达滑模面，控制作用将保证系统沿滑模面到达系统原点，从而实现对切换数学模型的精确控制，使稳定时间缩短，控制精度提高，抗干扰能力和鲁棒性提高； 

所述滑模控制器包括两部分，其中一部分是等效控制器u_eq，用于保证从任意状态出发的系统始终满足滑模到达条件；另一部分是校正控制器u_N，用于抵消系统中存在的各种不确定性和外界干扰。 

所述滑模控制器的设计，具体步骤为： 

所述滑模控制的滑模面的选取s(t)＝B^TPx(t)； 

其中B是权利要求2中所建立的数学模型中的输入矩阵，P是正定对称矩阵，x(t)是权利要求2中所建立的数学模型中的状态向量。 

所述滑模控制器的选取：

其中u(t)是滑模控制器，其作用是控制活性污泥污水处理曝气环节溶解氧浓度，u_N＝-(λ||x(t)||+k+μ)sign(s(t))，λ,k,μ是正常数，sign(s(t))是关于滑模面函数的符号函数。 

4.一种使用权利要求3所述滑模控制器对活性污泥污水处理曝气环节进行滑模控制的方法，其特征是包括以下步骤： 

步骤一，根据ASM1模型和微生物的生长动力学方程、物料平衡定律化简ASM1模型，得到化简数学模型； 

步骤二，根据可降解有机物浓度的高低，将步骤一ASM1化简数学模型分为两个子系统，即可降解有机物浓度高于半速度常数子系统和可降解有机物浓度低于半速度常数子系统； 

步骤三，利用切换系统理论将步骤二两个子系统结合为统一的数学模型，不考虑不确定性、时滞以及外界干扰因素，得到简化数学模型； 

步骤四，根据污水处理实际情况，对步骤三简化数学模型，加入不确定性、时滞以及外界干扰因素，得到切换数学模型； 

步骤五，根据步骤四切换数学模型，设计滑模控制器，编写MATLAB滑模控制器子程序； 

步骤六，开启上位机和下位机的控制装置，利用组态王DDE通讯，定时在组态王中调用MATLAB滑模控制器子程序，实现滑模控制，实时在线调整溶解氧浓度； 

步骤七，循环执行步骤六，即可得到溶解氧浓度实时控制曲线。 

5.如权利要求4所述的一种对活性污泥污水处理曝气环节进行滑模控制的 方法，其特征是包括以下具体步骤： 

滑模控制采用上位机与下位机相结合的控制方式，所述上位机为安装有组态王(简称组态王)和MATLAB软件(简称MATLAB)的工业计算机，所述的下位机采用西门子公司的S7-315-2DP PLC，在本曝气环节自动控制过程中，溶氧仪采集的溶解氧浓度信号送给PLC，PLC以变量形式将溶解氧浓度信号送至上位机组态王，上位机组态王利用DDE通讯将其传给MATLAB，MATLAB运行根据所设计的滑模控制器编写的滑模控制程序，计算所需u(t)控制量，计算完成后，将u(t)传送给组态王，再由组态王传给PLC，PLC将u(t)转换为0-10V电压信号，送至变频器MM440，调节输出频率，进而调节鼓风机转速，使溶解氧浓度根据可降解有机物浓度高低，分别控制在4mg/L和2.2mg/L。