CN104615164A - 生物池含氧量模糊控制方法和系统 - Google Patents
生物池含氧量模糊控制方法和系统 Download PDFInfo
- Publication number
- CN104615164A CN104615164A CN201510020943.5A CN201510020943A CN104615164A CN 104615164 A CN104615164 A CN 104615164A CN 201510020943 A CN201510020943 A CN 201510020943A CN 104615164 A CN104615164 A CN 104615164A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- change rate
- fuzzy control
- positive
- oxygen content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims abstract description 94
- 229910052760 oxygen Inorganic materials 0.000 title claims abstract description 94
- 239000001301 oxygen Substances 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims description 155
- 238000013139 quantization Methods 0.000 claims description 45
- 230000001105 regulatory effect Effects 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 230000001276 controlling effect Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 244000005700 microbiome Species 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 230000004083 survival effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000004044 response Effects 0.000 description 7
- 239000010865 sewage Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种生物池含氧量模糊控制方法及系统，该方法包括如下步骤：S1：判断是否到采样时间，若是，则执行步骤S2；S2：采集所处生物池当前含氧量d，并根据所述当前含氧量d计算出模糊误差值E和模糊变化率Ec；S3：根据所述模糊误差值E和所述模糊变化率Ec查询模糊控制表得出模糊控制量U；S4：根据所述模糊控制量U得出实际输出值u，从而控制所述生物池供氧量。本发明的生物池含氧量模糊控制方法和系统通过模糊化控制技术，对生物池中含氧量进行控制，解决生物池单元微生物存活率不高、鼓风设备耗能大、生产成本高等长期存在的问题，经济效益和环境效益非常明显。
Description
技术领域
本发明涉及污水处理领域，尤其涉及一种生物池含氧量模糊控制方法和系统。
背景技术
在现代城市污水处理工艺环节中，生物池反应单元是其中的核心部分，这一部分运行控制的好坏直接关系到整个污水处理厂的运行状况，生物化学原理是利用微生物的代谢作用，将有机污染物转化为稳定的无害物质，在生物反应过程中溶氧量DO(Dissovled Oxygen)是一个非常关键的指标参数。
目前国内现有的生物池氧气曝气系统大多采用传统闭环或者半闭环PID、开环控制系统、手动控制等方案。闭环PID控制是根据反馈含氧数据以及比例、积分、微分控制模块进行控制以达到工艺生产需要的目标值；开环控制系统就是操作工艺人员根据经验或者水质检验数据进行目标值设定；手动控制就是根据生物池含氧量变化数据以及不同时间点的数据，再在图表上简单绘制变化趋势图，根据图表来人工控制现场变频器和阀门。溶解氧的控制对处理的出水水质及能耗产生影响，生物反应池中的溶解氧过低使得好氧反应不充分，出水水质下降，如果溶解氧过高则能耗较大，增大污水处理的成本。所以控制方案应该兼顾两个目标的优化要求，同时以出水水质的国家质量指标作为首要指标，即在满足出水水质的溶解氧浓度下，考虑节能要求。
传统闭环PID控制对于一些时滞性大的过程参数如温度、流量、液位，经常产生上升时间较长、超调量过大、系统震荡等不利效果，而且传统PID控制系统建立数学模型比较困难，难以得到传递函数。因此对于生物池含氧量这一惯性滞后的参数控制效果不佳；开环控制缺少溶解氧检查传感器，仅仅依靠实验室检验数据来调节，控制实时性不强；手动控制虽然节约了设备成本，却增加大量的人力成本，并且人工调节可能由于操作失误造成生物池厌氧微生物大量死亡。
发明内容
本发明要解决的技术问题在于，提供一种改进的生物池含氧量模糊控制方法和系统。
本发明解决其技术问题所采用的技术方案是：提供一种生物池含氧量模糊控制方法，包括如下步骤：
S1：判断是否到采样时间，若是，则执行步骤S2；
S2：采集所处生物池当前含氧量d，并根据所述当前含氧量d计算出模糊误差值E和模糊变化率Ec；
S3：根据所述模糊误差值E和所述模糊变化率Ec查询模糊控制表得出模糊控制量U；
S4：根据所述模糊控制量U得出实际输出值u，从而控制所述生物池供氧量。
优选地，还包括如下步骤：
S0-1：预设误差量化因子Ke、变化率量化因子Kec及模糊量化因子Ku；
S0-2：预设一误差设定值ds；
所述步骤S2中，还包括步骤：
S2-1：根据公式1计算出实际误差e，
e＝d-ds；……公式1
将所述实际误差e除以所述误差量化因子Ke，得出所述模糊误差值E；
S2-2：根据公式2计算出实际变化率ec，
ec＝(d-d’)/t；……公式2
其中，d’为上一采集周期的含氧量，t为采集周期；
将所述实际变化率ec除以所述变化率量化因子Kec，得出所述模糊变化率Ec；
所述步骤S4中，将所述模糊控制量U乘以所述模糊量化因子Ku，得到所述实际输出值u。
优选地，所述生物池含氧量模糊控制方法还包括如下步骤：
T1：判断所述实际误差e是否超出误差阈值，若是，则执行步骤T2；
T2：判断所述实际误差e是否大于所述误差阈值的上限值，若是，则将所述实际误差e设置为所述误差阈值的上限值，若否，则将所述实际误差e设置为所述误差阈值的下限值；
和/或，还包括如下步骤：
T3：判断所述实际变化率ec是否超出变化率阈值，若是，则执行步骤T4；
T4：判断所述实际变化率ec是否大于所述变化率阈值的上限值，若是，则将所述实际变化率ec设置为所述变化率阈值的上限值，若否，则将所述实际变化率ec设置为所述变化率阈值的下限值。
优选地，所述误差量化因子Ke取值1.25，所述变化率量化因子Kec取值0.25，所述模糊量化因子Ku取值25。
优选地，所述模糊控制表中，所述模糊误差值E和所述模糊变化率Ec的模糊语言论域集合都分为5个档：{负大NB，负小NS，零ZO，正小PS，正大PB}，所述模糊控制量U的模糊语言论域集合分为五个档{零ZO，正小PS，正中PM，正大PB，正极大PVB}；
1)当所述模糊误差值E为负大NB时：
若所述模糊变化率Ec为负大NB，则所述模糊控制量U为正极大PVB；
若所述模糊变化率Ec为负小NS，则所述模糊控制量U为正大PB；
若所述模糊变化率Ec为零ZO、正小PS或正大PB，则所述模糊控制量U为正小PS；
2)当所述模糊误差值E为负小NS时：
若所述模糊变化率Ec为负大NB或负小NS，则所述模糊控制量U为正极大PVB；
若所述模糊变化率Ec为零ZO，则所述模糊控制量U为正大PB；
若所述模糊变化率Ec为正小PS或正大PB，则所述模糊控制量U为正小PS；
3)当所述模糊误差值E为零ZO时：
若所述模糊变化率Ec为负大NB或负小NS，则所述模糊控制量U为正极大PVB；
若所述模糊变化率Ec为零ZO，则所述模糊控制量U为正中PM；
若所述模糊变化率Ec为正小PS或正大PB，则所述模糊控制量U为零ZO；
4)当所述模糊误差值E为正小PS时：
若所述模糊变化率Ec为负大NB或负小NS，则所述模糊控制量U为正大PB；
若所述模糊变化率Ec为零ZO或正大PB，则所述模糊控制量U为零ZO；
若所述模糊变化率Ec为正小PS，则所述模糊控制量U为正小PS；
5)当所述模糊误差值E为正大PB时：
若所述模糊变化率Ec为负大NB，则所述模糊控制量U为正大PB；
若所述模糊变化率Ec为负小NS或正小PS，则所述模糊控制量U为正中PM；
若所述模糊变化率Ec为零ZO或正大PB，则所述模糊控制量U为零ZO。
优选地，所述模糊误差值E的模糊语言论域集合为[-2.5,2.5]；和/或，所述模糊变化率Ec的模糊语言论域集合为[-0.5,0.5]；和/或，所述模糊控制量U的模糊语言论域集合为[0,100％]。
优选地，所述步骤S3中，还包括如下步骤：
P1：对所述模糊误差值E和所述模糊变化率Ec分别进行地址变换，得到变换后的变换误差值E’和变换变化率E’c，E’＝E+x，E’c＝Ec+x，其中，x为变址；
P2：根据所述变换误差值E’和所述变换变化率E’c进行地址转换，从而得到一偏移地址P，将模糊控制量U存入所述偏移地址P相对应的数据单元内；地址转换根据公式3得出：
P＝4*(B+E’c*5+E’)；……公式3
其中，B为当前基址。
还提供一种生物池含氧量模糊控制系统，利用生物池含氧量模糊控制方法，包括
鼓风机组；
用于将所述鼓风机组发出的风量传输至至少一个生物池的管道组件，所述管道组件包括总路管道和至少一个支路管段，所述总路管道连通所述鼓风机组并引入风量；所述支路管段与所述生物池一一对应，用于将所述总路管道的风量引入所处生物池中；
设置在至少一个所述支路管段上、用于调节对应所述支路管段上风量情况的至少一个调节阀，所述调节阀与所述支路管段一一对应；
用于检测所处生物池中当前含氧量d的DO仪表；
根据所述当前含氧量d调节所述调节阀开度情况的模糊控制器；其中，
所述模糊控制器包括：
时间控制模块，用于根据采样时间选择性地发出采样指令；
采样模块，根据所述采样指令控制所述DO仪表进行采样，从而获得所处生物池当前含氧量d；
处理模块，用于根据所述当前含氧量d计算出模糊误差值E和模糊变化率Ec，并查询模糊控制表得出模糊控制量U，从而根据所述模糊控制量U得出实际输出值u；
输出模块，用于将所述实际输出值u进行数模转换并输出至所述调节阀；
存储模块，用于存储所述模糊控制表、所述当前含氧量d、所述模糊误差值E、模糊变化率Ec、所述模糊控制量U及所述实际输出值u。
优选地，所述生物池含氧量模糊控制系统包括四个所述调节阀及四个所述支路管段。
优选地，每个所述生物池内设置两个所述DO仪表，所述当前含氧量d为两个所述DO仪表测得的平均值。
实施本发明的有益效果是：本发明的生物池含氧量模糊控制方法和系统通过模糊化控制技术，对生物池中含氧量进行控制，解决生物池单元微生物存活率不高、鼓风设备耗能大、生产成本高等长期存在的问题，经济效益和环境效益非常明显。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明一些实施例中生物池含氧量模糊控制系统的结构示意图；
图2是图1中模糊控制器的模块示意图；
图3是本发明一些实施例中生物池含氧量模糊控制方法的流程示意图；
图4是本发明一些实施例中生物池含氧量模糊控制方法中地址变换的流程示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
图1示出了本发明一些实施例中的生物池含氧量模糊控制系统，用于通过模糊控制技术对生物池含氧量进行控制。生物池含氧量模糊控制系统包括鼓风机组10、管道组件20、调节阀30、DO仪表40以及模糊控制器50。其中，鼓风机组10通过管道组件20向生物池提供风量，调节阀30调节引入每个生物池的风量，DO仪表40在生物池中检测含氧量，模糊控制器50根据DO仪表40检测的含氧量情况调节调节阀30的开度。相对于传统闭环PID控制，模糊控制技术优势体现在被控对象为时滞性比较大的被控对象，而本发明中的含氧量就是时滞后性比较大的被控量，比如预设期望值是1.5，当PID调节时采集的含氧量是1.5，此时，调节阀30输出是0，但是管道出口有些氧气还没溶解到生物池里，经过一段时间溶解后，含氧量还会上升超过1.5，这就是产生超调量，模糊控制技术由于是人过经验操作产生的控制规则表，可以提前关闭比例阀输出，就比如如果水龙头不是在管道的末端，如果在管道的中间，当水桶的水满了后，再把水龙头关闭，管道还一部分水会使水桶溢出。
本实施例中，生物池为至少一个。优选地，包括1#-4#四个生物池。
其中，鼓风机组10包括数个鼓风机，共同或者分别向生物池提供风量。优选地，鼓风机组10包括1#-7#供七个鼓风机，并且该七个鼓风机共同向生物池提供风量。优选地，鼓风机1#-7#由西门子MM440变频器控制，变频器和西门子主站PLC400通过Profibus-DP现场总线建立通讯连接，频率值通过西门子变频器MM440的PP01通讯协议的PZD数据报文来写入变频器RAM，从而调节总管道的总风量。
管道组件20用于将鼓风机组10发出的风量传输至至少一个生物池中。管道组件20包括总路管道21和支路管段22，其中，总路管道21连通鼓风机组10并引入风量。支路管段22为至少一个，用于将总路管道21的风量分流引入所处生物池中。可以理解地，支路管段22与生物池一一对应，当生物池为四个时，支路管段22也对应是四个。
调节阀30设置在支路管段22上，用于调节对应支路管段22上风量情况。可以理解地，调节阀30与支路管段22一一对应，支路管段22的数量至少一个，则调节阀30的数量也为至少一个。当生物池为四个时，支路管段22对应是四个，调节阀30对应是四个。调节阀30输出量范围为0-100％之间。
DO仪表40用于检测所处生物池中当前含氧量d。本实施例中，生物池为四个，则DO仪表40与生物池一一对应，至少为四个。优选地，每个生物池内设置两个DO仪表40，当前含氧量d为两个DO仪表40测得的平均值。当前含氧量d的测量值单位为mg/L，分辨率为0.1mg/L。
模糊控制器50用于根据当前含氧量d调节调节阀30开度情况。结合图2所示，模糊控制器50包括时间控制模块51、采样模块52、处理模块53、输出模块54、存储模块55。优选地，模糊控制器50为基于S7-400PLC的模糊控制器。
其中，时间控制模块51用于根据采样时间选择性地发出采样指令。具体地，时间控制模块51判断是否到采样时间，若是，则发出采样指令；若否，则不发出采样指令。
采样模块52用于根据采样指令控制DO仪表40进行采样，从而获得所处生物池当前含氧量d。
处理模块53用于根据当前含氧量d计算出模糊误差值E和模糊变化率Ec，并查询模糊控制表得出模糊控制量U，从而根据模糊控制量U得出实际输出值u。具体地，处理模块53先根据当前含氧量d计算出模糊误差值E和模糊变化率Ec，再根据模糊误差值E和模糊变化率Ec查询模糊控制表得出模糊控制量U，最后根据模糊控制量U得出实际输出值u，从而控制生物池供氧量。
输出模块54用于将实际输出值u进行数模转换并输出至调节阀30，从而控制每个调节阀30的开度情况，从而控制生物池的风量，起到调节生物池内含氧量的作用。
存储模块55用于存储模糊控制表、当前含氧量d、模糊误差值E、模糊变化率Ec、模糊控制量U及实际输出值u。
下面对本实施例中生物池含氧量模糊控制系统的工作原理进行说明。
1、首先，处理模块53预设误差量化因子Ke、变化率量化因子Kec及模糊量化因子Ku，并且还预设一误差设定值ds。存储模块55存储误差量化因子Ke、变化率量化因子Kec、模糊量化因子Ku及误差设定值ds。优选地误差量化因子Ke取值1.25，变化率量化因子Kec取值0.25，模糊量化因子Ku取值25。量化因子Ke及Kc的大小对控制系统的动态性能影响很大。当Ke选择较大时，输出响应的超调也较大，过渡时间长。从理论上讲，Ke增大，相当于缩小了误差的基本论域，增大了误差的控制作用。因此，导致上升时间变短，但系统的响应时间变长。Kc对超调的抑制作用十分明显，当Kc选择较大时，超调量减小，Kc越大，系统超调量越小，但系统的响应时间变长。Ku反映了对控制器输出的幅度上的调整。Ku过大则增大控制信号的幅度，使响应时间缩短，但是却容易导致振荡；Ku过小，则响应速度慢，系统动态相应时间长。作为选择，本步骤可以设置，也可以不设置。当不设置本步骤时，本方法通过其他方式将实际误差e、实际变化率ec和模糊控制量U进行相应转化。作为选择，误差设定值ds可以通过处理模块53设置，也可以通过DO仪表40设置，当DO仪表40检测到实际数据后，将数据进行一个设定值处理，则得到当前含氧量d。误差设定值ds一般在1.5mg/L,实际反馈DO仪表40值最大量程一般在[0,4]之间。
2、在达到采样时间后，采样模块52获得所处生物池当前含氧量d。
3、处理模块53根据当前含氧量d计算出模糊误差值E、模糊变化率Ec、模糊控制量U及实际输出值u。
具体地，处理模块53先判断实际误差e、实际变化率ec是否超出误差阈值，若是，则在实际误差e大于误差阈值的上限值时将实际误差e设置为误差阈值的上限值，或在实际误差e小于误差阈值的下限值时将实际误差e设置为误差阈值的下限值，若否，则直接进行以下计算。
(1)处理模块53根据公式1计算出实际误差e：
e＝d-ds；……公式1
然后，处理模块53将实际误差e除以误差量化因子Ke，得出模糊误差值E。
(2)处理模块53还根据公式2计算出实际变化率ec：
ec＝(d-d’)/t；……公式2
其中，d’为上一采集周期的含氧量，t为采集周期。
将实际变化率ec除以变化率量化因子Kec，得出模糊变化率Ec。
作为选择，处理模块53还可对模糊误差值E和模糊变化率Ec分别进行地址变换，得到变换后的变换误差值E’和变换变化率E’c，E’＝E+x，E’c＝Ec+x，其中，x为变址。然后，根据变换误差值E’和变换变化率E’c进行地址转换，从而得到一偏移地址P，将模糊控制量U存入偏移地址P相对应的数据单元——即储存模块内。地址转换根据公式3得出：
P＝4*(B+E’c*5+E’)；……公式3
其中，B为当前基址。
之后，再根据模糊误差值E和模糊变化率Ec查询模糊控制表得出模糊控制量U。模糊控制表实质上就是对控制过程的经验加以总结，概括出一条条相应的规则，以此为依据构造出一个模糊控制表，来完成机器代替人的控制过程。该步骤是模糊控制的重点和核心，通常根据专家知识及操作经验可得模糊控制规则，例如：If E is A and Ec is B,Then U is C.其中,A,B,C分别为输入、输出量模糊词集中的元素。举例来说，通常NB，NS，ZO，PS，PB是模糊语言变量，分别是负大负小零正小正大，比如：别人问你今天天气冷么，回答：很冷一般冷适中有点热很热。这就是模糊语言，那么对应的论域就是温度范围可以在-10至38度，模糊控制表就是if e＝NB andEc＝NB，查表得出则输出U＝PB，共有25条模糊规则。通常对一个语言变量的分档可以是任意划分。一般对一个语言变量的分档一般为5-10档。如果档数过少，语言变量值会过于粗糙，对控制品质有不良影响；如果档数过多，语言变量值过细，则会带来关系矩阵的运算复杂等问题。为了简化规则运行量，可将E、Ec、模糊语言论域集合都可以分为5个档{NB，NS，ZO，PS，PB}，及U的模糊语言论域集合{ZO，PS，PM，PB，PVB}那么E、Ec量化值集合为{-2，-1，0，1，2}；U的量化集合值为{0，1，2，3，4}。
根据现场操作经验得出下表所示控制规则，控制量总共25(5x5)条规则，每条规则可以用表达式Rk＝Ei×Ecj×Uij(i＝1,2...5；j＝1,2...5)。
模糊控制表如下：
模糊控制表中，模糊误差值E和模糊变化率Ec的模糊语言论域集合都分为5个档：{负大NB，负小NS，零ZO，正小PS，正大PB}，模糊控制量U的模糊语言论域集合分为五个档{零ZO，正小PS，正中PM，正大PB，正极大PVB}。
1)当模糊误差值E为负大NB时：
若模糊变化率Ec为负大NB，则模糊控制量U为正极大PVB；
若模糊变化率Ec为负小NS，则模糊控制量U为正大PB；
若模糊变化率Ec为零ZO、正小PS或正大PB，则模糊控制量U为正小PS；
2)当模糊误差值E为负小NS时：
若模糊变化率Ec为负大NB或负小NS，则模糊控制量U为正极大PVB；
若模糊变化率Ec为零ZO，则模糊控制量U为正大PB；
若模糊变化率Ec为正小PS或正大PB，则模糊控制量U为正小PS；
3)当模糊误差值E为零ZO时：
若模糊变化率Ec为负大NB或负小NS，则模糊控制量U为正极大PVB；
若模糊变化率Ec为零ZO，则模糊控制量U为正中PM；
若模糊变化率Ec为正小PS或正大PB，则模糊控制量U为零ZO；
4)当模糊误差值E为正小PS时：
若模糊变化率Ec为负大NB或负小NS，则模糊控制量U为正大PB；
若模糊变化率Ec为零ZO或正大PB，则模糊控制量U为零ZO；
若模糊变化率Ec为正小PS，则模糊控制量U为正小PS；
5)当模糊误差值E为正大PB时：
若模糊变化率Ec为负大NB，则模糊控制量U为正大PB；
若模糊变化率Ec为负小NS或正小PS，则模糊控制量U为正中PM；
若模糊变化率Ec为零ZO或正大PB，则模糊控制量U为零ZO。
作为选择，模糊误差值E的模糊语言论域集合为[-2.5,2.5]。模糊变化率Ec的模糊语言论域集合为[-0.5,0.5]。模糊控制量U的模糊语言论域集合为[0,100％]。
4、最后，处理模块53将模糊控制量U乘以模糊量化因子Ku，得到实际输出值u。根据模糊控制规则表,由模糊推理合成规则,可得如下关系:U＝(E×Ec)×R，得到模糊控制量U以后,将U乘以Ku，于是便得到精确控制量u，再经D/A(数/模)输出模块54输出对执行机构进行控制。一些实施例中，模糊控制表如下表所示：
图3示出了本发明一些实施例中的生物池含氧量模糊控制方法，该方法用于通过模糊控制技术对生物池含氧量进行控制。本实施例中优选使用S7-400型PLC，模糊控制程序采用STEP7中的语句表STL来实现，首先通过PLC循环中断组织块OB33来实现该程序流程，在STEP7软件编程环境的硬件设置中将OB33的中断设置成15S；然后,循环采样1-4#生物池计算e和ec,并置入DB1.DBD0和DB1.DBD4中,利用量化因子将E、E c模糊化后分别置入DB1.DBD8和DB1.DBD12中；计算得出的模糊控制量U放入DB1.DBD16,解模糊得出的精确控制量u放入DB1.DBD20中。计算e和ec程序如下：
本方法包括如下步骤：
S0-1：预设误差量化因子Ke、变化率量化因子Kec及模糊量化因子Ku，并将误差量化因子Ke、变化率量化因子Kec及模糊量化因子Ku写入PLC数据块。优选地，误差量化因子Ke取值1.25，变化率量化因子Kec取值0.25，模糊量化因子Ku取值25。作为选择，本步骤可以设置，也可以不设置。当不设置本步骤时，本方法通过其他方式将实际误差e、实际变化率ec和模糊控制量U进行相应转化。
S0-2：预设一误差设定值ds。作为选择，本步骤可以设置，也可以不设置。
S1：判断是否到采样时间，若是，则执行步骤S2，若否，则暂不做处理，并等待下一次采样时间的到来。
S2：采集所处生物池当前含氧量d，并根据当前含氧量d计算出模糊误差值E和模糊变化率Ec。优选地，本步骤中还包括如下步骤：
S2-1：根据公式1计算出实际误差e，
e＝d-ds；……公式1
S2-2：根据公式2计算出实际变化率ec，
ec＝(d-d’)/t；……公式2
其中，d’为上一采集周期的含氧量，t为采集周期。并且，将实际误差e和实际变化率ec进行存储。
作为选择，还可包括步骤：
T1：判断实际误差e是否超出误差阈值，若是，则执行步骤T2；
T2：判断实际误差e是否大于误差阈值的上限值，若是，则将实际误差e设置为误差阈值的上限值，若否，则将实际误差e设置为误差阈值的下限值；
和/或，还包括如下步骤：
T3：判断实际变化率ec是否超出变化率阈值，若是，则执行步骤T4；
T4：判断实际变化率ec是否大于变化率阈值的上限值，若是，则将实际变化率ec设置为变化率阈值的上限值，若否，则将实际变化率ec设置为变化率阈值的下限值。
之后，将实际误差e除以误差量化因子Ke，得出模糊误差值E。将实际变化率ec除以变化率量化因子Kec，得出模糊变化率Ec。并且，将模糊误差值E和模糊变化率Ec进行存储。
S3：根据模糊误差值E和模糊变化率Ec查询模糊控制表得出模糊控制量U。作为选择，还可在进行模糊查询之前进行如下操作：为了方便寻址计算，可对模糊误差值E和模糊变化率Ec分别进行地址变换，得到变换后的变换误差值E’和变换变化率E’c，E’＝E+x，E’c＝Ec+x，其中，x为变址。然后，根据变换误差值E’和变换变化率E’c进行地址转换，从而得到一偏移地址P，将模糊控制量U存入偏移地址P相对应的数据单元——即储存模块内。地址转换根据公式3得出：
P＝4*(B+E’c*5+E’)；……公式3
其中，B为当前基址。
如图4所示，为一些实施例中的地址变换流程，地址变换可将模糊论域的元素{-2,-1,0,+1,+2}转换为{0,1,2,3,4},采用基址+变址的寻址方式将模糊控制量表中U的控制结果按由上到下、由左到右的顺序依次填入PLC的数据寄存(保持)区DB2.DBD0～DB2.DBD96中.控制量的基址为0,其偏移地址为4×[0+Ec×5+E]。
例如当误差E为正大PB,误差变化率Ec为负大NB时，E＝+2，Ec＝-2，转化为E＝+4，Ec＝0，所以可得控制量U到其偏移地址为4×[0+Ec×5+E]＝4×(4+0×5)，即为DB2.DB16中的内容。
如下表所示，将输出U的模糊变量值放入表格所示的存储地址中，
例如，E＝+2,Ec＝-2，转化E’＝2+2＝4，Ec’＝-2+2＝0，那么这条模糊规则对应的输出变量存储地址为：4×[Ec×5+E]＝16，则输出变量值在DBD16数据单元里面。部分程序如下：
得到调节阀实际工程量输出后，通过数字量和工程量的比例关系算出输出的数字量，再由PLC模拟量输出D/A转换成4-20ma电流信号，从而达到自动调节执行机构的目的。
确定模糊误差值E和模糊变化率Ec后，查询模糊控制表得出模糊控制量U。模糊控制表如下：
模糊控制表中，模糊误差值E和模糊变化率Ec的模糊语言论域集合都分为5个档：{负大NB，负小NS，零ZO，正小PS，正大PB}，模糊控制量U的模糊语言论域集合分为五个档{零ZO，正小PS，正中PM，正大PB，正极大PVB}。
1)当模糊误差值E为负大NB时：
若模糊变化率Ec为负大NB，则模糊控制量U为正极大PVB；
若模糊变化率Ec为负小NS，则模糊控制量U为正大PB；
若模糊变化率Ec为零ZO、正小PS或正大PB，则模糊控制量U为正小PS；
2)当模糊误差值E为负小NS时：
若模糊变化率Ec为负大NB或负小NS，则模糊控制量U为正极大PVB；
若模糊变化率Ec为零ZO，则模糊控制量U为正大PB；
若模糊变化率Ec为正小PS或正大PB，则模糊控制量U为正小PS；
3)当模糊误差值E为零ZO时：
若模糊变化率Ec为负大NB或负小NS，则模糊控制量U为正极大PVB；
若模糊变化率Ec为零ZO，则模糊控制量U为正中PM；
若模糊变化率Ec为正小PS或正大PB，则模糊控制量U为零ZO；
4)当模糊误差值E为正小PS时：
若模糊变化率Ec为负大NB或负小NS，则模糊控制量U为正大PB；
若模糊变化率Ec为零ZO或正大PB，则模糊控制量U为零ZO；
若模糊变化率Ec为正小PS，则模糊控制量U为正小PS；
5)当模糊误差值E为正大PB时：
若模糊变化率Ec为负大NB，则模糊控制量U为正大PB；
若模糊变化率Ec为负小NS或正小PS，则模糊控制量U为正中PM；
若模糊变化率Ec为零ZO或正大PB，则模糊控制量U为零ZO。
作为选择，模糊误差值E的模糊语言论域集合为[-2.5,2.5]。模糊变化率Ec的模糊语言论域集合为[-0.5,0.5]。模糊控制量U的模糊语言论域集合为[0,100％]。
S4：根据模糊控制量U得出实际输出值u，从而控制生物池供氧量。具体地，将模糊控制量U乘以模糊量化因子Ku，得到实际输出值u。
本发明的生物池含氧量模糊控制方法和系统可解决如下技术问题：一、使得响应快速，能迅速将生物池溶解氧量达到工艺生产要求。二、处于稳态中且震荡小，当达到溶解氧工艺要求目标值后，只要生产工艺不修改溶解氧目标值，生物池溶解氧量将在长时间段内保持生产工艺目标要求，不会产生波动；三、当污水厂沉沙池进入生物池或者生物池出口处流量和者水质发生变化时，模糊控制方案根据工艺要求能重新适应新的水质情况。四、调节鼓风机变频器能使变频器处在一个最佳运行频率，并且及时投入和切除设备，大大减少了设备的电能消耗，起到节能降耗的效果。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干个改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种生物池含氧量模糊控制方法，其特征在于，包括如下步骤：
S1：判断是否到采样时间，若是，则执行步骤S2；
S2：采集所处生物池当前含氧量d，并根据所述当前含氧量d计算出模糊误差值E和模糊变化率Ec；
S3：根据所述模糊误差值E和所述模糊变化率Ec查询模糊控制表得出模糊控制量U；
S4：根据所述模糊控制量U得出实际输出值u，从而控制所述生物池供氧量。
2.根据权利要求1所述的生物池含氧量模糊控制方法，其特征在于，还包括如下步骤：
S0-1：预设误差量化因子Ke、变化率量化因子Kec及模糊量化因子Ku；
S0-2：预设一误差设定值ds；
所述步骤S2中，还包括步骤：
S2-1：根据公式1计算出实际误差e，
e=d-ds；……公式1
将所述实际误差e除以所述误差量化因子Ke，得出所述模糊误差值E；
S2-2：根据公式2计算出实际变化率ec，
ec=（d-d’）/t；……公式2
其中，d’为上一采集周期的含氧量，t为采集周期；
将所述实际变化率ec除以所述变化率量化因子Kec，得出所述模糊变化率Ec；
所述步骤S4中，将所述模糊控制量U乘以所述模糊量化因子Ku，得到所述实际输出值u。
3.根据权利要求2所述的生物池含氧量模糊控制方法，其特征在于，所述生物池含氧量模糊控制方法还包括如下步骤：
T1：判断所述实际误差e是否超出误差阈值，若是，则执行步骤T2;
T2：判断所述实际误差e是否大于所述误差阈值的上限值，若是，则将所述实际误差e设置为所述误差阈值的上限值，若否，则将所述实际误差e设置为所述误差阈值的下限值；
和/或，还包括如下步骤：
T3：判断所述实际变化率ec是否超出变化率阈值，若是，则执行步骤 T4;
T4：判断所述实际变化率ec是否大于所述变化率阈值的上限值，若是，则将所述实际变化率ec设置为所述变化率阈值的上限值，若否，则将所述实际变化率ec设置为所述变化率阈值的下限值。
4.根据权利要求2所述的生物池含氧量模糊控制方法，其特征在于，所述误差量化因子Ke取值1.25，所述变化率量化因子Kec取值0.25，所述模糊量化因子Ku取值25。
5.根据权利要求1至4任一项所述的生物池含氧量模糊控制方法，其特征在于，所述模糊控制表中，所述模糊误差值E和所述模糊变化率Ec的模糊语言论域集合都分为5个档：{负大NB，负小NS，零ZO，正小PS，正大PB}，所述模糊控制量U的模糊语言论域集合分为五个档{零ZO，正小PS，正中PM，正大PB，正极大PVB}；
1）当所述模糊误差值E为负大NB时：
若所述模糊变化率Ec为负大NB，则所述模糊控制量U为正极大PVB；
若所述模糊变化率Ec为负小NS，则所述模糊控制量U为正大PB；
若所述模糊变化率Ec为零ZO、正小PS或正大PB，则所述模糊控制量U为正小PS；
2）当所述模糊误差值E为负小NS时：
若所述模糊变化率Ec为负大NB或负小NS，则所述模糊控制量U为正极大PVB；
若所述模糊变化率Ec为零ZO，则所述模糊控制量U为正大PB；
若所述模糊变化率Ec为正小PS或正大PB，则所述模糊控制量U为正小PS；
3）当所述模糊误差值E为零ZO时：
若所述模糊变化率Ec为负大NB或负小NS，则所述模糊控制量U为正极大PVB；
若所述模糊变化率Ec为零ZO，则所述模糊控制量U为正中PM；
若所述模糊变化率Ec为正小PS或正大PB，则所述模糊控制量U为零ZO；
4）当所述模糊误差值E为正小PS时：
若所述模糊变化率Ec为负大NB或负小NS，则所述模糊控制量U为正大PB；
若所述模糊变化率Ec为零ZO或正大PB，则所述模糊控制量U为零ZO；
若所述模糊变化率Ec为正小PS，则所述模糊控制量U为正小PS；
5）当所述模糊误差值E为正大PB时：
若所述模糊变化率Ec为负大NB，则所述模糊控制量U为正大PB；
若所述模糊变化率Ec为负小NS或正小PS，则所述模糊控制量U为正中PM；
若所述模糊变化率Ec为零ZO或正大PB，则所述模糊控制量U为零ZO。
6.根据权利要求5所述的生物池含氧量模糊控制方法，其特征在于，所述模糊误差值E的模糊语言论域集合为[-2.5,2.5]；和/或，所述模糊变化率Ec的模糊语言论域集合为[-0.5,0.5]；和/或，所述模糊控制量U的模糊语言论域集合为[0,100%]。
7.根据权利要求1至4任一项所述的生物池含氧量模糊控制方法，其特征在于，所述步骤S3中，还包括如下步骤：
P1：对所述模糊误差值E和所述模糊变化率Ec分别进行地址变换，得到变换后的变换误差值E’和变换变化率E’c，E’=E+x，E’c=Ec+x，其中，x为变址；
P2：根据所述变换误差值E’和所述变换变化率E’c进行地址转换，从而得到一偏移地址P，将模糊控制量U存入所述偏移地址P相对应的数据单元内；地址转换根据公式3得出：
P=4*（B+E’c*5+E’）；……公式3
其中， B为当前基址。
8.一种生物池含氧量模糊控制系统，利用权利要求1至7任一项所述的生物池含氧量模糊控制方法，其特征在于，包括
鼓风机组（10）；
用于将所述鼓风机组（10）发出的风量传输至至少一个生物池的管道组件（20），所述管道组件（20）包括总路管道（21）和至少一个支路管段（22），所述总路管道（21）连通所述鼓风机组（10）并引入风量；所述支路管段（22）与所述生物池一一对应，用于将所述总路管道（21）的风量引入所处生物池中；
设置在至少一个所述支路管段（22）上、用于调节对应所述支路管段（22）上风量情况的至少一个调节阀（30），所述调节阀（30）与所述支路管段（22）一一对应；
用于检测所处生物池中当前含氧量d的DO仪表（40）；
根据所述当前含氧量d调节所述调节阀（30）开度情况的模糊控制器（50）；其中，
所述模糊控制器（50）包括：
时间控制模块（51），用于根据采样时间选择性地发出采样指令；
采样模块（52），根据所述采样指令控制所述DO仪表（40）进行采样，从而获得所处生物池当前含氧量d；
处理模块（53），用于根据所述当前含氧量d计算出模糊误差值E和模糊变化率Ec，并查询模糊控制表得出模糊控制量U，从而根据所述模糊控制量U得出实际输出值u；
输出模块（54），用于将所述实际输出值u进行数模转换并输出至所述调节阀（30）；
存储模块（55），用于存储所述模糊控制表、所述当前含氧量d、所述模糊误差值E、模糊变化率Ec、所述模糊控制量U及所述实际输出值u。
9.根据权利要求8所述的生物池含氧量模糊控制系统，其特征在于，所述生物池含氧量模糊控制系统包括四个所述调节阀（30）及四个所述支路管段（22）。
10.根据权利要求8所述的生物池含氧量模糊控制系统，其特征在于，每个所述生物池内设置两个所述DO仪表（40），所述当前含氧量d为两个所述DO仪表（40）测得的平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510020943.5A CN104615164A (zh) | 2015-01-15 | 2015-01-15 | 生物池含氧量模糊控制方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510020943.5A CN104615164A (zh) | 2015-01-15 | 2015-01-15 | 生物池含氧量模糊控制方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104615164A true CN104615164A (zh) | 2015-05-13 |
Family
ID=53149661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510020943.5A Pending CN104615164A (zh) | 2015-01-15 | 2015-01-15 | 生物池含氧量模糊控制方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104615164A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105923743A (zh) * | 2016-06-21 | 2016-09-07 | 光大环保技术研究院（深圳）有限公司 | 一种渗滤液好氧反应池曝气系统模糊控制方法及系统 |
| CN113341705A (zh) * | 2021-04-20 | 2021-09-03 | 武汉客车制造股份有限公司 | 一种基于模糊控制算法的动力电池系统控制方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0531488A (ja) * | 1991-07-26 | 1993-02-09 | Sumitomo Jukikai Envirotec Kk | 生物脱窒素制御法 |
| CN102540960A (zh) * | 2011-12-28 | 2012-07-04 | 天津标炳科技有限公司 | 基于plc的电涡流缓速器模糊控制系统及方法 |
| CN103197539A (zh) * | 2013-04-01 | 2013-07-10 | 鞍山市海汇自动化有限公司 | 污水处理智能优化控制曝气量的方法 |
-
2015
- 2015-01-15 CN CN201510020943.5A patent/CN104615164A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0531488A (ja) * | 1991-07-26 | 1993-02-09 | Sumitomo Jukikai Envirotec Kk | 生物脱窒素制御法 |
| CN102540960A (zh) * | 2011-12-28 | 2012-07-04 | 天津标炳科技有限公司 | 基于plc的电涡流缓速器模糊控制系统及方法 |
| CN103197539A (zh) * | 2013-04-01 | 2013-07-10 | 鞍山市海汇自动化有限公司 | 污水处理智能优化控制曝气量的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 冯瑞琴: ""基于PLC 和模糊控制技术的污水处理控制系统设计与实现"", 《安徽农业科学》 * |
| 巫影 等: ""一种改进的模糊控制方法"", 《武汉理工大学学报 信息与管理工程版》 * |
| 张小娟: ""带自调整因子模糊温度控制器的研究"", 《机械设计与制造》 * |
| 王华丰 等: ""生物反应池溶解氧的模糊控制研究"", 《自动化与仪表》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105923743A (zh) * | 2016-06-21 | 2016-09-07 | 光大环保技术研究院（深圳）有限公司 | 一种渗滤液好氧反应池曝气系统模糊控制方法及系统 |
| CN113341705A (zh) * | 2021-04-20 | 2021-09-03 | 武汉客车制造股份有限公司 | 一种基于模糊控制算法的动力电池系统控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103197539B (zh) | 污水处理智能优化控制曝气量的方法 | |
| CN104102255B (zh) | 氨氮耦合溶解氧曝气节能控制系统和控制方法 | |
| CN109607770B (zh) | 一种反硝化池的多场景自学习碳源智能投加系统及方法 | |
| CN102156432B (zh) | 一种实时控制生化反应池中曝气量的方法 | |
| CN108640276A (zh) | 一种基于west模型的污水处理厂aao工艺优化运行方法 | |
| CN202758178U (zh) | 一种智能动态曝气控制系统 | |
| CN105439285B (zh) | 一种污水处理的调控方法 | |
| CN107986428A (zh) | 一种污水处理精确曝气方法 | |
| CN112939209A (zh) | 基于人工神经网络的污水处理曝气控制系统及其运行方法 | |
| CN107512754B (zh) | 一种用于水处理的粉末活性炭加药自动控制系统 | |
| CN114677119A (zh) | 一种污水处理智能曝气的方法及系统 | |
| CN107555590A (zh) | 一种多点组合式精确曝气控制方法 | |
| CN107720946B (zh) | Sbr污水处理工艺中的串级控制方法 | |
| CN114314823A (zh) | 一种曝气环节溶解氧控制系统与方法 | |
| CN104615164A (zh) | 生物池含氧量模糊控制方法和系统 | |
| CN107416991A (zh) | 一种智能精准曝气控制系统 | |
| CN103588310B (zh) | 双通道快速准确建立水中溶解氧含量的方法及其系统 | |
| Cakici et al. | An approach to controlling sludge age in the activated sludge process | |
| CN111847628A (zh) | 水处理控制系统及方法 | |
| CN111484124A (zh) | 一种污水处理智能控制与生化工艺集约方法及系统 | |
| CN111273706B (zh) | 一种曝气池溶解氧控制方法、装置、计算机设备及介质 | |
| CN115421525A (zh) | 曝气量智能控制方法、装置、控制器和存储介质 | |
| CN212315686U (zh) | 水处理控制系统 | |
| CN115259413A (zh) | 一种用于精准曝气系统的风量控制方法 | |
| WO2012175701A1 (de) | Verfahren zur biogaserzeugung |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |