DE19819875C1 - Verfahren zum Steuern und Regeln der Belüftung von intermittierenden Kläranlagen - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren zum Steuern und Regeln der Belüftung von intermittierenden Kläranlagen, bei denen die Nitrifizierung und Denitrifizierung in einem Becken durch intermittierende Belüftung erfolgt. DOLLAR A Der Erfindung liegt die Aufgabe zugrunde, schmutzfrachtabhängig die jeweils richtigen Zeitpunkte des Belüftungsbeginns zum Einleiten der belüfteten Phase und des Belüftungsendes zum Einleiten der nicht belüfteten Phase aus Meßgrößen des Belebungsbeckens zu ermitteln. DOLLAR A Erfindungsgemäß werden aus relevanten Meßgrößen Signalzeitreihen gebildet und aus diesen Merkmale abgeleitet, die anzeigen, wann der Zustand des Belebungsbeckens das Ein- bzw. das Ausschalten der Belüftung erforderlich macht, um im Online-Verfahren die Belüftung zu starten bzw. zu beenden. Mit Hilfe der Fuzzy-Pattern-Klassifikation werden die Merkmale aus den Signalzeitreihen, die einen ähnlichen Zustand des Belebungsbeckens anzeigen, in einer Lernphase in Klassen vereinigt, als unscharfe Klassen gemäß der Theorie der Fuzzy-Pattern-Klassifikation beschrieben und auf diese Weise als unscharfe Klassifikatoren angelernt, mit deren Hilfe in der Anwendungsphase die Berechnung der optimalen Schaltzeitpunkte erfolgt.

Description

Die Erfindung betrifft ein Verfahren zum Steuern und Regeln der Belüftung von intermittierenden Kläranlagen, bei denen die Nitrifizierung und Denitrifizierung in einem Becken durch intermittierende Belüftung erfolgt, auf der Basis einstufig arbeitender Belebtschlammanlagen sowie Anlagen, bei denen die Biomasse immobilisiert ist.

Die biologische Reinigung von Abwässern erfolgt u. a. in Kläranlagen, bei denen die Nitrifizierung und Denitrifizierung in einem Becken durch intermittierende Belüftung erfolgt. Dies können sowohl einstufig arbeitende Belebtschlammanlagen (Durchflußprinzip), Sequence-Batch-Reactor Anlagen (SBR) (Aufstauprinzip), aber auch anders geartete Verfahren, wie z. B. Festbettanlagen sein. Die Nitrifizierung und Denitrifizierung wird hier in einem Becken durchgeführt. Dazu muß die Luftzufuhr so gesteuert werden, daß durch die ablaufenden biochemischen Prozesse eine weitgehende Elimination von Stickstoff-, Kohlenstoff- und Phosphorverbindungen erfolgt. Der Prozeß muß in der Kläranlage so gesteuert werden, daß auch bei den unterschiedlichsten Zulaufbedingungen maximale Reinigungsleistungen erzielt werden.

Der Klärprozeß läuft dabei in verschiedenen Phasen ab:

• - oxische Phase (belüftete Phase) Durch die Belüftung erfolgt der Sauerstoffeintrag in das Abwasser. Der Sauerstoff steht den Bakterien in gelöster Form zur Verfügung. Sie sind somit in der Lage, den Kohlenstoff zu oxidieren und durch Nitrifizierung den Ammoniumstickstoff in Nitrat zu überführen.
• - anoxische Phase (nicht belüftete Phase): Bei ausgeschalteter Belüftung wird zunächst bei Abklingen der oxischen Phase der noch gelöste Sauerstoff durch die Bakterien aufgezehrt. Es entsteht die anoxische Phase, in der die Bakterien zur Aufrechterhaltung ihres Stoffwechsels gezwungen werden, den benötigten Sauerstoff durch Denitrifizierung aus dem Nitrat zu entnehmen, wobei molekularer Stickstoff freigesetzt wird. Es kommt zur weitgehenden Stickstoffeliminierung.
• - anaerobe Phase (nicht belüftete Phase): Es ist Sauerstoff weder in gelöster Form noch in Form von Nitrat vorhanden. Die Bakterien geraten in eine Streßsituation, in der sie aus ihrer Biomasse Phosphat abgeben. Da sie in der nachfolgenden oxischen Phase mehr Phosphat wieder aufnehmen, als in der anaeroben Phase rückgelöst wurde, wird mit dem abgezogenen Überschußschlamm Phosphor aus dem System entfernt. Es kommt zu einer weitgehenden Eliminierung von Phosphat.

Zur intermittierenden Nitrifikation/Denitrifikation im allgemeinen und zu den möglichen Kläranlagenformen hierfür siehe z. B.

• - DE 43 39 630 C1
• - Korrespondenz Abwasser 38 (1991), S. 228
• - Umwelt 28 (1998), S. 36
• - DE 39 06 943 A1

Im einfachsten Fall erfolgt eine Zeitsteuerung der Phasen. Die Längen der einzelnen Phasen werden aus Erfahrungswerten gewonnen. Schwankungen der Schmutzfrachtbelastung und die verschiedenen biochemischen, umgebungsbedingten und anlagenspezifischen Einflußfaktoren finden dabei keine Berücksichtigung, so daß diese Art der Steuerung wenig effizient ist. Aus diesem Grunde sind Steuerungen eingesetzt worden, die die Schmutzfrachtbelastung durch Messung der BSB-, Ammonium- oder Nitratwerte erkennen und danach die genannten Phasen steuern. Der Nachteil dieser Steuerungen besteht in einem erheblichen Kostenaufwand für die Online-Analysatoren und deren Betriebskosten.

Daher wird versucht, aus einfach meßbaren Größen, die die Schmutzfrachtbelastung indirekt anzeigen, Steuerungskriterien zu gewinnen. Es ist bekannt, daß die Phasen sich durch charakteristische Verläufe solcher Meßgrößen wie Gelöstsauerstoff, pH-Wert, Redoxpotential, Leitfähigkeit, Trübung etc. im Belebungsbecken unterscheiden. Sie werden deshalb auch nach dem Stand der Technik für die Regelung der Belüftung in unterschiedlichen Kombinationen herangezogen, die Meßgrößen Gelöstsauerstoff und Redox sogar einzeln.

So wird in DE 38 35 374 A1 angegeben, die Zeiten für die Nitrifikation und Denitrifikation in Abhängigkeit von der in das Belebungsbecken eingetragenen Sauerstoffmenge zu berechnen. Die Berechnung setzt die Kenntnis einer Reihe von Größen voraus, die unter realen Bedingungen nur schwer zu beschaffen sind. In der DE 44 17 259 A1 wird vorgeschlagen, aus dem Verlauf der Sauerstoffkonzentration und dem Verlauf der Belüftungsleistung die Belastung zu ermitteln. Dabei wird davon ausgegangen, daß dieser Verlauf, der der Sauerstoffzehrung entspricht, proportional der realen Belastung des Klärwerks ist. Die Erfahrung jedoch zeigt, daß die Sauerstoffzehrung neben der Belastung auch von der Beschaffenheit der Biomasse abhängt, so daß der direkte Schluß von der Sauerstoffzehrung auf die Belastung nicht immer richtig sein muß.

In DE 39 14 357 A1 wird beschrieben, die Denitrifikation nach dem Einsetzen eines Knicks (starker Abfall des Redoxverlaufes in der Denitrifikationsphase) abzuschalten. Erfahrungen jedoch zeigen, daß ein aus Differenzenbildung des Redoxabfalls detektierbarer Knick nicht in jedem Falle nach der Beendigung der Denitrifikation (Abbau von Nitrat) auftritt. In diesem Fall muß eine Zeitsteuerung aktiviert werden, wodurch das Ziel einer lastabhängigen Steuerung der Denitrifikationsphase nicht erreicht wird.

Zusammengefaßt stößt die Regelung der Vorgänge im Belebungsbecken deshalb auf Schwierigkeiten, weil die quantitativen Beziehungen der Prozeßparameter des praktischen Klärwerksbetriebes selbst unterschiedlichen und wechselnden Ganglinien unterworfen sind. Die gegenseitigen Abhängigkeiten treten nur fließend und "unscharf" in Erscheinung, denn die im Belebungsbecken ablaufenden biochemischen Prozesse sind komplexer Natur und stark verkoppelt. Die Vielzahl von Einflußgrößen gestatten derzeitig keine ausreichende quantitative Beschreibung der Zusammenhänge von Abwasserzusammensetzung im Zulauf, Prozeßparametern im Belebungsbecken und Reinigungsergebnis im Ablauf. Mit den verfügbaren Meßgrößen und -verfahren sind eine Reihe von Erscheinungen, die diese kausal beschreiben, überhaupt nicht erfaßbar. Dazu gehören u. a. die tatsächliche Art und Zusammensetzung der abzubauenden Schmutzfracht, Struktur und Zusammensetzung der Biozönose im Belebungsbecken, die Milieubedingungen der Bakterien und Mikroorganismen (wachstumsfördernd, hemmend, toxisch auf die einzelnen Arten wirkend), Schwimm- und Blähschlammbildung etc.

Mit Hilfe der Fuzzy-Technologie lassen sich diese "unscharf" zu Tage tretenden Zusammenhänge im Verlauf wichtiger Kenngrößen des Klärwerksbetriebes in eine für die Optimierung des Verfahrens auswertbare Form bringen. So sind Verfahren bekannt, auf der Grundlage von regelbasierten Fuzzy-Control- Ansätzen unter Zuhilfenahme der Inferenzregel Signale für die Belüftungsregelung zu gewinnen, siehe z. B. DE 41 40 915 A1 oder Diss. J. Hansen, Univ. Kaiserslautern 1997, "Der Einsatz von Fuzzy-Control für Regelungsaufgaben im Bereich der Nährstoffelimination in kommunalen Kläranlagen". Jedoch tritt auch hier das Problem zutage, daß durch Experten explizit formulierte Regeln über Fuzzy-Mengen der Eingangs- und Ausgangsgrößen als WENN-DANN-Statements formuliert werden müssen.

Gegenwärtig häufen sich die Versuche, aus einfach meßbaren Parametern wie Redoxpotential, pH-Wert, Leitfähigkeit, Gelöstsauerstoff und Trübung den Ammonium-, bzw. Nitratgehalt durch Fuzzy- und Neurofuzzy-Technologien nachzubilden und diese Ersatzgrößen zum Regeln des Klärwerkes zu benutzen. (Babel: "Fuzzy Klassifikation zur Situationsbewertung in Klärwerken", Tagungsband 10. Chemnitzer Kolloquium, Shaker Verlag Aachen 1995, S. 97-110; Köhne, M., u. a.: "Schätzung wichtiger Prozeßgrößen der Abwasserreinigung mit Hilfe neuronaler Netze", Korrespondenz Abwasser 3/96, S. 368-378). Es hat sich jedoch gezeigt, daß die Allgemeingültigkeit der angelernten neuronalen Netze bzw. Fuzzy-Klassifikatoren über längere Zeiträume nicht gegeben ist. Daher wäre ein permanentes Nachlernen der Modelle erforderlich, was eine aufwendige permanente Nitrat- bzw. Ammoniummessung erfordert.

Der Erfindung liegt die Aufgabe zu Grunde, schmutzfrachtabhängig die jeweils richtigen Zeitpunkte des Belüftungsbeginns zum Einleiten der belüfteten Phase und des Belüftungsendes zum Einleiten der nicht belüfteten Phase aus Meßgrößen des Belebungsbeckens zu ermitteln.

Die Lösung der Aufgabe erfolgt mit dem kennzeichnenden Teil des Anspruches 1. Vorteilhafte Weiterbildungen sind in den Unteransprüchen angegeben.

Erfindungsgemäß werden aus relevanten Meßgrößen Signalzeitreihen gebildet und aus diesen Merkmale abgeleitet, die anzeigen, wann der Zustand des Belebungsbeckens das Ein- bzw. das Ausschalten der Belüftung erforderlich macht, um im Online-Verfahren die Belüftung zu starten bzw. zu beenden. Mit Hilfe der Fuzzy-Pattern-Klassifikation werden die Merkmale aus den Signalzeitreihen, die einen ähnlichen Zustand des Belebungsbeckens anzeigen, in einer Lernphase in Klassen vereinigt, als unscharfe Klassen gemäß der Theorie der Fuzzy- Pattern-Klassifikation beschrieben und auf diese Weise als unscharfe Klassifikatoren angelernt mit deren Hilfe in der Anwendungsphase die Berechnung der optimalen Schaltzeitpunkte erfolgt.

Dazu werden erfindungsgemäß die Meßgrößen Redoxpotential, Gelöstsauerstoff und pH-Wert und im Falle einer Belüftungsregelung statt des Gelöstsauerstoffs die Belüftungsleistung einzeln oder in Kombination über entsprechende Sonden erfaßt und ausgewertet. Anstelle des Parameters Gelöstsauerstoff können auch Größen, die die Sauerstoffkonzentration indirekt darstellen, z. B. über die elektrische Leistungsaufnahme der Belüftungsaggregate bei Drehzahlregelungen, erfaßt werden. In Abhängigkeit von äußeren Bedingungen und vom Zustand der Biomasse, der Art und des Umfangs der Schmutzfrachtbelastung und der eingebrachten Luftmenge stellen sich während der belüfteten und der nichtbelüfteten Phasen jeweils charakteristische Verläufe der Zeitreihen der Meßgrößen ein. In gewissen Zeitabständen werden aus den Signalzeitreihen mit Hilfe von Methoden der Signalanalyse Merkmale berechnet, die Signalmuster bilden. Diese Signalmuster werden in einer Lernphase zu Klassen zusammengefaßt, die sich im Hinblick auf den Zustand des Belebungsbeckens unterscheiden. Diese Klassen werden in einer Lernphase mit Hilfe der Theorie der Fuzzy-Pattern- Klassifikation unscharf beschrieben und bilden auf diese Weise unscharfe Klassifikatoren. In einer Anwendungsphase werden in gleichen Zeitabständen wie in der Lernphase aus den Meßgrößen Signalzeitreihen und daraus die in der Lernphase genutzten Merkmale berechnet und mit Hilfe der unscharfen Klassifikatoren unscharfe Zugehörigkeitswerte zu den Klassen berechnet. Wenn die Zugehörigkeit zur jeweiligen Klasse maximal ist, die das Ende der gewünschten biochemischen Reaktion der nichtbelüfteten bzw. der belüfteten Phase anzeigt, wird die Belüftung zu bzw. abgeschaltet.

Im Folgenden soll die Erfindung an Ausführungsbeispielen näher erläutert werden.

In den zugehörigen Zeichnungen zeigen:

Fig. 1 eine schematische Darstellung eines Belebungsbeckens,

Fig. 2 Signalzeitreihen für Redoxpotential und Gelöstsauerstoff und

Fig. 3 einen Verfahrensablauf in einer Steuereinrichtung.

Fig. 4 weitere Signalzeitreihen für Gelöstsauerstoff und Redoxpotential während einer Nitrifikationsphase,

Fig. 5 zugehörige Histogramme von Gelöstsauerstoff und Redoxpotential,

Fig. 6 Merkmalsmuster aus den Histogrammen,

Fig. 7 die Änderung der Merkmalsmuster durch taktweise Neuberechnung der Histogramme,

Fig. 8 die Merkmalsmuster nach einer Klasseneinteilung durch Clusterung,

Fig. 9 die Darstellung einer daraus entstandenen Klassenzugehörigkeitsfunktion für zwei Merkmale,

Fig. 10 eine Trajektorie durch den Merkmalsraum der Funktion nach Fig. 9 und

Fig. 11 ein Ausgangssignal nach Auswertung der Zugehörigkeitsfunktionen aller Klassen.

Fig. 1. zeigt eine schematische Darstellung eines Belebungsbeckens 1 mit einer Einrichtung zur Durchführung des Verfahrens. Das an sich bekannte Belebungsbecken 1 ist mit einer Belüftungseinrichtung 1a versehen angeordnet. Belüftungseinrichtung 1a besteht aus einem elektrischen Antriebsmotor 2, einem Gebläse 3 und Belüftungselementen 4 an sich bekannter Bauart. Der Antriebsmotor 2 wird über eine Steuer- und Meßleitung 5 gesteuert bzw. geregelt. Von Meßsensoren 7 führen die Signalleitungen 8 zu einer Steuereinrichtung 6. Diese besteht aus einem PC 10 und einer I/O-PC-Karte 9 für die Analog-Digital-Wandlung der von den Meßsensoren 7 aufgenommenen Meßgrößen und für die Ausgabe der Schaltsignale für den Antriebsmotor 2.

Die Fig. 2 zeigt Signalzeitreihen für das Redoxpotential und den Gelöstsauerstoff während der Nitrifizierung (I) und der Denitrifizierung (II) für mehrere Zyklen.

Die Fig. 3 zeigt ein Schema des Verfahrensablaufes in der Steuereinrichtung.

In einer Lernphase werden erfindungsgemäß die Signale über die Meßsensoren 7 aufgenommen, über die Signalleitungen 8 und die Steuer- und Meßleitung 5 der I/O-PC-Karte 9 zugeführt. Hier werden die analogen Signale der Meßgrößen im Analog-Digital- Umsetzer (ADU) 11 digitalisiert, wodurch Signalzeitreihen der Meßgrößen entstehen. Diese werden dem PC 10 zugeführt. Im PC werden die Signalzeitreihen im Softwaremodul 12 in Signalabschnitte der belüfteten und nichtbelüfteten Phasen getrennt. Für die Signalabschnitte werden im Softwaremodul 13 Merkmale berechnet, die Form und Lage der Signalzeitreihen widerspiegeln. Solche Merkmale können u. a. aus Signalhistogrammen gewonnen werden. Es werden im Softwaremodul 14 durch Clusterung der Merkmale Klassen mit Ähnlichkeiten der Merkmalswerte gebildet, die gleichzeitig Klassen ähnlicher Zustände des Belebungsbeckens sind. Für diese Klassen werden im Softwaremodul 15 unscharfe Klassen entsprechend der Theorie der Fuzzy-Pattern-Klassifikation berechnet. Diese Klassen werden als Klassifikatoren in einer Klassifikatordatenbank 16 auf dem PC 10 gespeichert und stehen in der Anwendungsphase für das Schalten der Belüftung zur Verfügung.

Während der Anwendungsphase werden die Signalzeitreihen in gleicher Weise wie in der Lernphase gebildet, die genannten Merkmale durch Softwaremodul 13 berechnet und durch das Softwaremodul 17 werden mit Hilfe der in der Lernphase berechneten Klassifikatoren unscharfe Zugehörigkeitswerte berechnet, aus denen das Einschaltsignal der Belüftung für die Einleitung der belüfteten bzw. das Ausschaltsignal der Belüftung für den Beginn der nichtbelüfteten Phase im Softwaremodul 18 gewonnen wird.

Die folgenden Ausführungen wurden am 14.06.99 nachgereicht.

Beim aus dem Stand der Technik bekannten regelbasierten Ansatz ist die Anzahl, Form und Lage der Eingangs- und Ausgangszugehörigkeitsfunktionen von Experten beim Reglerentwurf festzulegen und muß als WENN-DANN-Statement formuliert werden. Eine mehr oder weniger günstige Wahl der verwendeten Größen hat unmittelbaren Einfluß auf das Reglerverhalten. Im praktischen Fall ist deshalb noch ein "Feintuning" vorzunehmen, um im "trial and error"-Verfahren ein gewünschtes Reglerverhalten zu erzielen.

Nach dem erfindungsgemäßen Fuzzy-Pattern-Klassifikation werden dagegen, wie gesagt, in einer Lernphase Klassen von Prozeßsituationen angelernt. Die Klassen werden durch unscharfe ("Fuzzy-") Klassifikatoren repräsentiert. Die unscharfen Klassifikatoren wiederum stützen sich auf unscharfe Zugehörigkeitsfunktionen im n-dimensionalen Merkmalsraum. Die Zugehörigkeitsfunktionen werden aus realen Daten des zu modellierenden Prozesses gewonnen.

Inhaltlich können die Klassen z. B. folgendermaßen interpretiert werden:

• - "Nitrifikation ist in vollem Gang"
• - "Nitrifikation befindet sich im Abklingen"
• - "Nitrifikation ist abgeschlossen"
• - "Denitrifikation ist in vollem Gang"
• - "Denitrifikation befindet sich im Abklingen"
• - "Redoxknick ist erreicht"
• - "Denitrifikation ist abgeschlossen"

Während der Klärprozeß läuft, werden zeitgetaktet, für Nitrifikation und Denitrifikation getrennt, Merkmalsmuster berechnet, die aus signifikanten Meßgrößen wie Redoxpotential, Gelöstsauerstoff, ggf. pH-Wert oder anderen Größen, wie z. B. die oben genannte Leistungsaufnahme der Belüftungsaggregate, gewonnen werden. Mit deren Hilfe werden, nachdem die entstandenen Datenmuster nach Ähnlichkeiten sortiert und durch einen Experten in Prozeßklassen eingeteilt wurden, unscharfe Klassenzuordnungen vorgenommen. Die unscharfe Klassenbeschreibung erfolgt nach den Regeln der Fuzzy-Pattern-Klassifikation. Im Ergebnis liegen die Parameter der Fuzzy-Zugehörigkeitsfunktionen für jede der Prozeßklassen vor.

Am Beispiel der Prozeßphase Nitrifikation kann das z. B. unter Benutzung der Prozeßgrößen Redoxpotential und Gelöstsauerstoff folgendermaßen erläutert werden:

Fig. 4 zeigt dazu den Signalverlauf von Gelöstsauerstoff und Redoxpotential während einer Nitrifikationsphase. Die Merkmalsmuster werden aus den Zeitreihen gewonnen, indem fortlaufend Histogramme mit festgelegter Anzahl von Histogrammklassen (Stützwerte der Histogramme) gebildet werden, wobei das Histogrammintervall sich mit jedem Takt weiterbewegt und sich immer vom Start des Zyklus bis zum aktuellen Takt erstreckt. Fig. 5 zeigt ein zu Fig. 4 zugehöriges Histogramm zu einem bestimmten Zeitpunkt. Aus den Stützwerten der Einzelhistogramme werden gemeinsame Merkmalsmuster gebildet, siehe Fig. 6.

Durch taktweise immer neue Berechnung der Histogramme ergeben sich zeitlich sich ändernde Merkmalsmuster, wie Fig. 7 zeigt. In der Lernphase werden diese Musterverläufe über eine Reihe von Nitrifikationsphasen (und genauso für die Denitrifikationsphasen) aufgenommen. Wie auch im obigen Ausführungsbeispiel beschrieben, werden in einer Clusterung ähnliche Merkmalsmustergruppen zu Klassen vereinigt. Eine solche Klasseneinteilung zeigt Fig. 8 (K1 entspricht der Semantik "Nitrifikation hat eingesetzt", K5 "Nitrifikation ist beendet").

Nach der Klasseneinteilung wird die Berechnung der unscharfen Klassifikatoren entsprechend der Fuzzy-Pattern-Klassifikation vorgenommen. Ein Beispiel der entstehenden Klassenzugehörigkeitsfunktionen zeigt Fig. 9 für zwei Merkmalsmuster (der gesamte Merkmalsraum ist 14-dimensional und daher graphisch nicht darstellbar).

Während der Nitrifikation durchläuft der Prozeß wie in der Lernphase die Situationen, die durch die unscharfen Klasse K1 bis K6 repräsentiert werden. Der Nitrifikationsprozeß verläuft dabei entlang der in Fig. 10 eingezeichneten Trajektorie durch den Merkmalsraum (zur Verdeutlichung wieder nur zweidimensional dargestellt). Das (Ausgangs-)Schaltsignal wird durch Auswertung der Zugehörigkeitsfunktionen aller Klassen (im Softwaremodul 17) gewonnen, das z. B. den in Fig. 11 dargestellten Verlauf nimmt. Überschreitet diese Ausgangssignal einen festgelegten Schwellwert, so wird die Nitrifikationsphase durch Ausschalten der Belüftung abgebrochen.

Claims (3)

1. Verfahren zum Steuern und Regeln der Belüftung von intermittierenden Kläranlagen, bei denen die Nitrifizierung und Denitrifizierung in einem Becken durch intermittierende Belüftung erfolgt, auf der Basis einstufig arbeitender Belebtschlammanlagen sowie Anlagen, bei denen die Biomasse immobilisiert ist, dadurch gekennzeichnet, daß aus Signalzeitreihen von signifikanten chemischen, physikalischen und/oder biochemischen Parametern der Schmutzfracht Merkmale berechnet werden, Merkmalsmuster in einer Lernphase durch Signalklassifikation zu Klassen zusammengefaßt werden, die Klassen mit Hilfe der Methode der Fuzzy-Pattern-Klassifikation als unscharfe Klassen in Form von Klassifikatoren abgelegt werden und diese Klassifikatoren in einer Anwendungsphase zur Festsetzung des Starts der belüfteten bzw. der nichtbelüfteten Phase genutzt werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß zur Bildung der Merkmale aus den Signalzeitreihen Histogramme der Signalzeitreihen berechnet werden und die Stützwerte der Histogramme als Merkmale verwendet werden.

3. Verfahren nach Anspruch 1, oder 2, dadurch gekennzeichnet, daß bei der Regelung der Belüftung um einen Sollwert des Gelöstsauerstoffs zur Signalklassifikation neben den an sich bekannten Meßgrößen Redoxpotential und pH-Wert einzeln oder in Kombination zusätzlich die Belüftungsleistung als Meßgröße zur Merkmalsbildung herangezogen wird.