JPH0312232A - プロセス運転支援システム - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は外部環境の影響を大きく受けるプロセスを安定
に運転するプロセス運転支援システムに関する。

〔従来の技術〕

下水処理あるいは浄水などのプロセスでは状態の計測や
制御のためにシステムが採用されている。

これまでのシステムはデータロガ−の要素が強く、また
、制御においても単独情報に基づくものが一般的であっ
た。また、微生物状態の適否がプロセス全体の効率を左
右する分野を含めて、微生物情報のプロセス運転への反
映は些少である。一方、過去のデータや操作条件を用い
てプラントの運転を支援するシステムとしては例えば特
開昭６３−７７５３７号で知られている。

〔発明が解決しようとする課題〕

従来技術は一計測情報の収集を基本としたもので、情報
の利用及び運用性に対して効果的でなかった。また、制
御システムも個々の情報に対応して構築されたもので、
固有値の維持には優れていたがプロセス全体の状況を反
映されてはいなかった。このようなシステム構成におい
て、非定常なプロセス状態あるいは突発的な異常事態に
対する対応は困難で、対応するにしても試行錯誤的に行
われていた。さらに、活性汚泥と称す微生物群に全権を
委ねる下水処理プロセスでは、外部環境の影響で急激あ
るいは緩速な変化を示すが、この対応は殆んどなされて
いないのが現状である。

本発明は、上記従来技術の問題点に対処して成されたも
ので、その目的はプロセス状態の変容を複数情報から判
断し、安定した運転を支援するシステムを提供すること
にある。

〔課題を解決するための手段〕

上記目的は、過去のプロセスデータを階層的に取扱う、
例えば、天候や季節、正常及び異常等を考慮してマクロ
スケールあるいはミクロスケールなデータ管理を行い、
現在の情報変化を管理データと対比させることによりこ
れまで経験した事象か否かを容易にパターンマツチング
でき、経験事象に関してはその時の運転履歴を参考にし
て操作することにより、外部環境及び過去の成否を踏ま
えて非定常あるいは突発的異常事態に速やかに対処でき
る運転支援システムを達成できる。

〔作用〕

本発明によれば、水質計測情報、微生物情報、及び手分
析等の情報を効果的に運用し、過去の経験に基づく異常
事態とその原因を判断できるため。

オペレータに不安を与えることなく運転支援が行える。

また、同一性、あるいは類似パターンが得られない場合
、それは特異事象と判断するとともに普遍的規則あるい
は学術的法則からサポートできる手段を設けることによ
り信頼感のある支援を行うことができる。また、新たな
経験、あるいは再発事象に対するプロセス状態とその操
作内容を新規情報として管理することにより自己成長型
の運転支援システムを構築できる。

〔実施例〕

以下、下水処理プロセスを対象に本発明の一実施例を第
１図により説明する。第１図において、１は下水処理場
、２はプロセスデータ入力装置、３は運転支援システム
である。下水処理場１の重要な役割は曝気槽１１と沈殿
池１２で構成される活性汚泥プロセスでの有機物除去で
ある。このプロセスは、有機汚濁物質を含む流入下水１
３と高濃度活性汚泥を含む返送汚泥１５を曝気槽１に導
入し、底部から噴射される空気１７により混合攪拌され
るとともに酸素が供給され、有機汚濁物質を活性汚泥に
摂取・分解させて除去する。曝気槽１１流出液は沈殿池
１２に導びかれ、活性汚泥のみを重力沈降させ、その上
澄液を処理水１４として放流し、沈降汚泥の大部分を返
送汚泥１５として曝気槽１１に還流させ、増殖令に相当
する一部を余剰汚泥１６として汚泥処理プロセス（図示
せず）へ排出される。このような活性汚泥プロセスにお
いて、有機物の処理効率が良好で、沈降性に優れた活性
汚泥を長期間安定して維持することが重要である。また
、プロセス外乱である流入水１３の流量や水質の変化に
対して適切な運転管理を行うことも必要不可欠である０
本発明は、データ入力装置２で取込んだ下水処理場１の
プラント状態の情報に基づき、運転支援システム３で運
転状態の診断を行い、適切な運転ガイドを提供するもの
である。

プロセスデータ入力装置２には、運転状態を監視するの
に必要な情報が取り込まれ、運転支援システム３に伝送
される。取込み情報としては、処理される流入水の状態
、曝気槽１１の処理状態。

活性汚泥の管理状態と構造状態、その運転結果である処
理水状態などを対象とする０図中には、流入水情報とし
て降雨量ＬＡ、水温ＩＢ、流量ＩＣ。

有機物濃度ＩＤ、懸濁物質濃度ＩＥ、ＰＨＩＦを。

曝気槽情報として汚泥濃度ＩＧ、溶存酸素濃度ＩＨ，Ｐ
ＨＩＨ，空気量ＩＱを、汚泥管理情報として汚泥沈降容
量ＩＪ、汚泥界面ＩＫ、返送汚泥１度ＩＮ、返送汚泥流
量１０．余剰汚泥流量ＩＰを、処理水情報として有機物
濃度ＩＬ、浮遊物濃度ＩＭを示している。なお、汚泥構
造情報としては、曝気槽１に設置した撮像装置１８と、
画像認識装［１９で計測した特徴量を対象とする。

活性汚泥の構造に関する特徴量は１例えば以下の手順で
認識・計測する。まず、撮像装［１８は曝気槽１１の混
合液が導通し、前後の幅が微小となる可変スリットを有
し、このスリットに照明を当て、内蔵されたカメラ等の
受光器で混合液の画像を撮像する。抽出対象とする物質
によっては拡大あるいは縮小光学レンズを介した光像を
カメラで受光しても良い、受光した混合液画像は、画像
認識装置１９に入力され、活性汚泥の特徴量が計測され
る。第２図は、画像計測手段の一例を示すもので、糸状
性微生物とフロック形成菌を認識する。第２図において
、撮像装置１８から出力された混合液の拡大光像はＡ／
Ｄ変換されて濃淡画像メモリ１９Ａに格納される。濃淡
画像メモリ１９Ａは例えば２５６Ｘ２５６画素で構成さ
れる格納エリアを持ち、格納される濃淡画像は各画素が
例えば１２８階調の輝度情報を有する。この濃淡画像に
は、第３図に示すような液相部Ｂの中にフロック状を呈
する凝集性微生物Ｚ、さらにこのフロック形成菌Ｚから
伸長したり、派生源を持たない遊離性の糸状性微生物Ｆ
がｌｌＫ察される。この濃淡画像の特徴は液相部Ｂが高
輝度レベル、フロック形成菌Ｚが低輝度となり、両者の
輝度間に糸状性微生物Ｆが位置する糸状性微生物Ｆの輝
度位置は、その太さにより異なるが、−船釣に細径のも
のは液相部Ｂに非常に近く、大径のものはそれより低レ
ベルとなる特徴を有する。この傾向は糸状性微生物及び
フロック形成菌が複雑に入り組んでいる場合も同様の結
果が得られる。混淡画像メモリ１９Ａの原画像は輝度強
調回路１９Ｂに入力され、特に糸状微生物Ｆ、及び液相
部Ｂとフロック形成菌Ｚの境界を強調するように輝度修
正される。

輝度強調回路１９Ｂにおける輝度修正は、糸状性微生物
Ｆの形状を想定した空間フィルタを作成して、全画素に
渡ってフィルタリング処理を行う。

この空間フィルタは、例えば横線、縦線を３×３画素で
構成すると１２種類を作成すれば良い。この輝度修正に
より液相部Ｂに対して微生物部Ｆ及ぴＺの輝度差が明確
化し、抽出し易くなる。得られた修正濃淡画像は濃淡画
像メモリ１９Ｂ′に格納される。

濃淡画像メモリ１９Ｂ′の修正濃淡画像は２値化処理回
路１９ｃに入力される。２値化処理回路１９Ｃでは、水
平方向ｊ及び垂直方向ｉの各画素が持つ修正濃淡画像ｇ
　（１１Ｊ）を特定輝度ＳＨを基準とし、次式に示すよ
うに、各画像の輝度がＳＨ未満なら１を、８８以上なら
Ｏ情報を与える。

ｇ（ｉ、　ｊ）＜Ｓｏ゛°＝゛°Ｂ（ｔ、　Ｊ）＝　１
ｇ（１＋Ｊ）≧ＳＨ・・・・・・Ｂ（ｔ、Ｊ）＝ｏ　　
　　　・・・（１）すなわち、微生物部Ｆ及び２領域に
１情報が入力されて、抽出されたことになる。特定輝度
ＳＨは固定値で良いが、修正濃度画像のヒストグラムと
呼ばれる輝度画素数の頻度分布から求めても良い。

２値化画像は２値画像メモリ１９０′に格納される。

縮退回路１９Ｄは２値化画像から糸状性微生物を縮退処
理により除去する機能を持つ。縮退処理は１情報が入力
されている領域を端から１画素剤る処理で、数画素幅を
有する糸状性微生物が凝集性微生物より先に消去される
。縮退画像は縮退画像メモリ１９Ｄ′に格納される。

膨張回路１９Ｅは縮退画像の１情報が入力されている領
域の全周に渡って１画素ずつ拡げる機能をもつ。この膨
張処理は縮退回路１９０で実行された縮退処理回数だけ
繰返される。したがって、膨張画像はフロック形成菌の
みが復元され、糸状性微生物部は消去されたままで、膨
張画像メモリ１９Ｅ′に格納される。

特徴抽出回路１９Ｆは糸状性微生物のみを抽出する回路
で、前述の２値化画像と膨張画像を対象に差分演算を行
う、この差分演算により第４図に示すように、フロック
形成菌部が除去され、糸状性微生物のみが認識された画
像となり、差分画像メモリ１９Ｆ′に格納される。細線
化回路１９Ｇは差分画像の糸状性微生物の線幅を長さを
変えないで全て１画素にする処理機能をもち、処理され
た画像は細線化画像メモリ１９Ｇ′に記載される。

画素演算回路１９Ｉは細線化画像で１情報が与えられて
いる画素を全画面に渡って積算する。ここで積算された
画素数は、細線化画像における糸状性微生物の線幅が全
て１画素単位であるため１画面全体の糸状性微生物の長
さに対応する。

一方、２値画像メモリ１９０′の２値化画像と差分画像
メモリ１９Ｆ′の糸状性微生物抽出画像は特徴抽出回路
１９Ｈに入力し、差分演算される。

この差分演算により、第５図に示すように、糸状性微生
物Ｆが消去され、フロック形成菌のみを抽出した画像と
なり、差分画像メモリ１９Ｈ′に格納される。ラベリン
グ回路１９Ｊはフロック形成菌の抽出画像に対してナン
バ付けを行う。この時、画面枠に接触する凝集性微生物
は除外する。ラベリング処理された画像は画素演算回路
１９Ｋに入力され、ナンバ付けされた凝集性微生物の投
影面積を画素数で演算される。ここで得られた画面当り
の糸状性微生物画素数Ａｉ、及びナンバ付けされた各々
の凝集性微生物の投影画素数ＺａＪは特徴量演算手段１
９Ｌに入力され、実際の特徴量を演算する。まず、糸状
性微生物の長さＱｉは次式により求める。ここで Ｑ　　ｌ　＝　　ｋｔ　　・　Ａｔ　　−ｎｏ　　　　
　　　　　　　　　　　　　　　　　　　　−（２）Ｑ
ｏは１画素当りの視野長さで、ｔｉ像装置１８の拡大倍
率から設定される。また、ｋｌは画素に対する糸状性微
生物の投影定数で、１とＥの間の値を設定する。なお、
（２）式では糸状性微生物の絶対長さを求める方式とし
たが、単位活性汚泥量当り、あるいは単位混合液量当り
の長さで求めても良い、単位汚泥量当りの糸状性微生物
部Ｑｌを求めるには（４）式で示すように、混合液の活
性ｎ　ｔ’　＝　Ｑ　ｔ／　Ｍｓ−ｖ　　　　　　　　
　　・・（３）汚泥濃度ＭＳと撮像装置１８の検鏡視野
における試料液容量Ｖで絶対長さΩ亀を除すれば良い、
また、単位混合液量当りの長さＱｉ　はｈを試料液溶量
Ｖで除算することにより求まる。

一方、凝集性微生物の特徴量は、まず次式で各ＡＺＪ　
＝＝　　ａ　　０　ｚ　　ａａ　　　　　　　　　　　
　　　　　　　　　　　　　　　　　−（４）各の面積
Ａｚａを演算する。ここで、ａは換算係数で１画素当り
の視野面積である８次に、各々の面積Ａ　ｚ　Ｊと同じ
面積となる円を仮定し、その直径ｄｊを求める。各々の
直径ｄＪから画面全体におｄＪ＝五Ｔフ１　　　　　　
　　　　　・・・（５）ける凝集性微生物の平均径ｄ＋
　を演算する。平均径ｄｌは算術的な平均径でも、対数
平均径を用いても良い。

特徴量演算手段１９Ｌで演算された糸状性微生物長Ｑｔ
及び凝集性微生物の平均径ｄｔは濃淡画像メモリ１９Ａ
に格納されている混合液の濃淡画像とともにプロセスデ
ータ入力装置２に出力される。

なお、撮像装置１８は曝気槽１１に設置したが、沈殿池
１２、あるいは処理水１４ラインに設けてもよく、また
、直接浸漬でなく対象液をサンプリングして撮像しても
良い。さらに、プロセスデータ入力袋＠２に出力する濃
淡画像Ｇ′は、第２図で画像認識の対象となる濃淡画像
Ｇでなくともよく、拡大倍率を高めた画像とすることも
できる。

これは、拡大光学レンズの倍率が異なる２つの撮像装置
１８．１８’　を設置するか、同一撮像装置１８内に倍
率の異なる２個の拡大光学レンズを設け、切換えにより
拡大倍率の異なる画像を得ることができる。この場合、
画像認識装置１９の濃淡画像メモリを別々とする。さら
に、濃淡画像Ｇ′は、濃淡画像Ｇにおいて糸状性微生物
を含む領域の画面とする。これは、第２図の糸状性微生
物抽出画像で糸状性微生物が存在する位置を認識し、こ
の認識位置を包含するように濃淡画像Ｇ′の撮像袋［１
８’　　（図示せず）を移動させるとよい。

プロセスデータ入力装置２から出力されたプラント情報
はプロセスデータファイル３１と３２に格納される。プ
ロセスデータファイル３２は濃淡画像Ｇ′を格納し、プ
ロセスデータファイル３１はその他のプラント情報を格
納する。プロセスデータファイル３１の情報は判別処理
３７により分類されてデータファイル装置５０に入力さ
れる。

データファイル装置５０は複数のデータファイル５１ａ
・・・５１ｎを持つ、データファイル５１ａ５１ｎのう
ち、少なくとも２つは月平均データと日平均データのフ
ァイル５１ａ、５１ｂとし、プロセスデータファイル３
１の情報を平均化して、時系列データとして出力できる
ようにファイル化する。月平均データファイルは日平均
データファイルに格納された１力月の情報を呼出し、月
平均値を求め、従来データに随時追加する。これらのデ
ータファイルに加えて、判別処理３７で分類された項目
についてデータファイルを作成する。分類項目としては
、天候、季節に大別し、さらに天候では降雨量に対応し
て豪雨、長雨２通常鋼、晴天、長期晴天の小分類コード
を持たせ、季節では春夏秋冬あるいは水温により小分類
する。さらに、特徴あるデータあるいは異常時のデータ
を対象に。

１時間あるいはその以下の周期で時間データファイルを
作成する。これらのファイルは分類項目毎に作成し、順
次更新できる構成としておく。

検定処理３３はプロセスデータファイル３１からのデー
タ情報に基づきプラント状態を検定する。

検定は標準データファイル３４からの基準値と比較する
ことにより行う、基準値は対象処理場の運転計画値ある
いは蓄積された運転実績の平均値などが適用でき、季節
あるいは水温に対応して設定しても良い。検定方法とし
ては１個々のプラントデータとすることもできるが、流
入水状態、沈殿池１２での汚泥沈降状態や汚泥流出状態
、処理水状態、活性汚泥の微生物状態、曝気反応状態な
どの分類別けした項目で実施することができる。例えば
、活性汚泥の微生物状態を検定項目とする場合、第６図
に示す方法で判定する。第６図は糸状性微生物長さの時
系列変化で、基準値Ｆ＊と下限値Ｆｔ、上限値Ｆｚを設
定し、実測データとの偏差及びその推移を把握し判定す
る。すなわち、上下限値ＦｌとＦ２の間で遷移していれ
ば正常と判定するが、遷移傾向が一方に偏っているが、
もしくは上下限値を逸脱して推移している状態では異常
かあるいは警告情報を出力する。また、復元傾向にある
場合はその旨の情報を出力する。上記判定は少なくとも
１日以上のデータ情報で実施するのが良い、しかし、明
らかに急激な変化を示す場合は、より短時間のデータ情
報で判定する必要がある。これは集中豪雨や補機関係の
異常などの発生時に早期対応が迫られ、その傾向を短時
間で検知することが不可欠である。そのためには推移デ
ータの微分値をとり、判定する方法も併用するとよい。

第７図は、糸状性微生物長さ頻度分布から求める他の判
定方法を示す、この方法によれば、頻度ピークの推移が
良好に把握でき、前回の頻度分布Ｈ′に対して今回の分
布ＨのピークＦ′と上下限値Ｆｉｌ　ＦＬとの関係を明
確に求めることができる。なお、ここで取扱うデータ情
報は時々刻々出力された値を用いても良いが、サンプリ
ング周期を設定し、その平均値を１つのデータとしても
良い。また、検定項目は糸状性微生物長に限らず、前述
したフロック平均径や、フロック数と曝気槽汚泥濃度比
等を用いることもできる。フロック数は平均径を求める
際にラベリング処理をしており、その最終数字を出力す
ることにより把握することができる。

一方、プロセスデータファイル３２に格納された濃淡画
像Ｇ′は糸状性微生物のタイプ判定に利用する。タイム
判定は、格納濃淡画像Ｇ′をモニター（図示せず）に映
像し、判定に必要な情報をオペレータがモニター画面を
見ながら入力装置３６より返答し、その返答情報に基づ
いて判定処理３５で行う。判定処理３５では知識ベース
６０に格納されているタイプ検索知１！６２ａが作動し
、判定を支援する。入力装置３６からの情報入力はタイ
プ検索知識６２ａに組込まれた選択肢を決定するのに用
いられる６判定処理３５からはタイプ検索知＠６２ａに
基づいて最も確率の高い糸状性微生物の種名が結論とし
て導びかれ、出力される。

なお、プロセスデータファイル３２への濃淡画像Ｇ′の
ファイル化は最新情報を更新しながら常時必要枚数を確
保していても良いが、検定処理３３で異常あるいは警告
情報が出力された時点から開始しても良い、また、判定
処理３５の作動もまた。

検定処理３３の出力情報に連動させるとともにオペレー
タが自由に選択できるようにする。

検索処理３９は、検定処理３３からの出力情報に基づき
作動する。検定処理３３の結果が正常であれば正常の旨
を出力し、異常あるいは警告情報が入力された場合はデ
ータファイル装置５０に格納されている過去の情報と現
在の情報を照合させ。

過去に経験したことがあるか否かを検索する。ここでの
検索は、検定処理３３において異常あるいは要注意と認
められた検定項目の履歴情報を得るとともに、過去と異
なる動きをしているプラントデータを抽出する機能を持
つ。なお、データ検索は、検定項目の種類とその項目の
時間変化に対応してデータファイル装置５０での使用フ
ァイルを選択して行う、すなわち１通常時の緩やかな変
動時には月平均あるいは日平均データファイルを用い、
プラント機能に致命的なダメージを与える項目や急変し
た場合はより詳細な時間データファイルを用いる。また
、検索の応答を早めるために、季節や水温、降雨量など
の現在の環境を適合した条件のデータファイルを優先さ
せる検索手順とする。検索処理３９で得られた現象経験
の有無と、その原因要素の情報は運転管理処理４０に出
力され、プラント診断と対策がガイダンスされる。

運転管理処理４０には判定処理３５から出力された糸状
性微生物の優占タイプも入力され、活性汚泥の性状も考
慮した管理支援が行われる。運転管理支援は、検索処理
３９の出力結果と判定処理３５の結論に基づいて、知識
ベース６０を参照して運転ガイドを導く機能を持つ、知
識ベース６゜は、対象処理場で過去に経験したことのあ
る経験的知識ルール群６１ａ〜６１ｎと、未経験ではあ
るが、他の処理場で経験あるいは普遍的とされている一
船釣知識ルール群６２ａ〜６２ｎの２種類のルール群で
構成される。各ルール群は複数の知識を持ち、運転管理
処理４０により選択されて実行される。各知識は例えば
検定処理３３での分類項目毎に作成さ九、判定処理３５
で実行されたタイプ検索知識は一般的知識ルール群とし
て適用される。検定処理３３で糸状性微生物の出現量が
異常であるとの結果が出力された場合、運転管理処理４
０には活性汚泥性状の中の糸状性微生物の過剰増殖と、
過去と異なるプラントデータの内容、及び糸状性微生物
の優占タイプが入力され、知識ベース６０で関連する知
識が選択されて運転ガイドの設定が行われる。過去に同
タイプの糸状性微生物の過剰増殖を経験している場合は
、まず知識ベース６０の経験的知識群が適用され、過去
の現象とそのときの運転方式及びプラント結果の内容を
照合する。さらに採用した運転方式によりプラント状態
が復元された結果が得られれば同様のガイドを行うが、
復元されていなければ一般的知識ルール群も参照して推
論し、最適な運転方式を設定ガイドする。また、検索処
理３９で未経験現象として結論された場合は、−船釣知
識ルール群を参照して運転方式を設定ガイドする。検索
処理３９で出力された過去と異なるプラントデータは運
転方式の操作量を設定するために用いる。例えば、Ｄｏ
不足時に発生するタイプの糸状性微生物が過剰増殖した
のは流入有機物量の増加が原因と診断された場合、過去
の同時期における流入有機物量との相違により設定すべ
きＤＯレベルがガイドされる。

ガイドされた最適な運転方式は運転ガイド表示装置４１
に出力表示される。この結論に対して、オペレータは運
転方式の妥当性を検証する選択を行うことができる。検
証選択を要求した場合１選択処理４２が作動し、学習管
理処理４３が実行される。学習管理処理４３は学習モデ
ル７０の中から運転方式と適合するモデルを選択してプ
ラント結果を予測学習する。学習モデル７０は９例えば
Ｄ○、有機物負荷、流入水のフローパターンなどの操作
量毎の複数モデルで構成される。予測学習はプロセスデ
ータファイル３１からの現時点のプラント情報に基づい
て実行される。ＤＯ変更による糸状性微生物の推移は、
糸状性微生物とフロック形成菌の増殖モデルを基本に、
プラント環境を考慮して予測されると同時に、プラント
全体に及ぼす影響も検証される。この予測結果は、運転
ガイド表示装置４１に出力表示される。

オペレータは１表示された予測結果を参照して運転方式
の選択判断を行うことができる。また、運転管理処理４
０あるいは学習管理処理４３の結論が妥当である、ある
いは今回の現象は保存すべき内容とオペレータが判断し
た場合は、プラントデータとそれに伴う知識を保存する
ことができる。

プラントデータの保存は送信処理３８を作動させ。

プロセスデータファイル３１に格納されている情報をデ
ータファイル装置５０の時間データファイルとして作成
される。また、知識の保存は獲得処理４５を作動させて
、知識ベース６０の経験的知識ルール群の該当知識ベー
スに新たに格納される。

運転支援システム３でガイダンスされた運転方式に基づ
いて下水処理場１の操作量である曝気空気１７．返送汚
泥１５．余剰汚泥１６．あるいは流入水１３など、プラ
ント効率に影響する操作要因を制御できる。第８図は、
曝気空気１７の流量を操作する方式で、運転ガイド表示
装置４１でＤｏ不足時に発生するタイプの糸状性微生物
が過剰増殖しているので、空気量を増加させない。増加
量は、過去と現在のプラントデータ、及び糸状性微生物
の増殖状態とその増殖傾向から適正値が求められ、これ
らのプラント状態とＤｏ目標値ｄａがガイドされる。信
号送信処理４６はオペレータの判断により、運転ガイド
表示装置４１のＤＯ目標値ｄａを設定回路８２に出力し
、記憶される。８４は比較回路８４で、設定回路８２か
らのＤ○目標値ｄ傘と信号送信回路８６からのＤ○実測
値ｄとが比較演算される。信号送信回路８６はプロセス
データ入力装置２のプラントデータのうち、操作に必要
なプラントデータを保存し、制御周期に対応して平滑化
されたデータを比較回路８４に出力する。調節回路８８
は比較回路８４の出力信号Δｄに基づいて操作変量を演
算して制御装置９０を操作する。この操作により、ＤＯ
不足に対応した曝気空気１７の流量が調節される。

以上、本発明の一実施例について述べたが、本発明は上
記内容に限定するものでない、まず、画像認識装置１９
で認識計測する対象は、糸状性微生物の占有率でも良い
、占有率は処理画面の全画素数に対する糸状性微生物の
抽出画素数の比、あるいはフロック形成菌の抽出画素数
に対する糸状性微生物の抽出画素数比で求められる。ま
た、曝気槽１１の汚泥濃度に対する糸状性微生特長の割
合及びフロック形成菌の個数や平均粒径を対象としても
よい、さらに、可動する原生動物や後生動物の数、及び
その大きさに対する出現個数とすることもできる。

糸状性微生物のタイプ判定に用いるプロセスデータファ
イル３２の濃淡画像Ｇ′は、画像認識装置１９で処理さ
れた濃淡画像Ｇの中の糸状性微生物が存在する複数画面
を自動的に検索して出力することができる。自動検索は
、例えば第４図の処理画面を複数領域に分割し、全分割
領域について少なくとも１画面、あるいは糸状性微生物
相の計測量に対応した画面数を確保し、糸状性微生物の
存在位置に図示しない高倍率の撮像装置１８′を設置す
ることにより行える。撮像装置１８′は濃淡画像Ｇの撮
像装置１８より高倍率とするものである。また、自動検
索によらず、検定処理３３の結論に基づいて糸状性微生
物の存在個所を手動で位置合せし、判定処理３５で対象
とする画像を得てもよい、このような複数画面を処理す
ることにより、糸状性微生物のタイプ判定を統計的に実
行することができる。

また、運転管理処理４０は周期的に実行しても良いが、
オペレータの要求により実行するもできる。さらに、上
記実施例では水質組成に関するプロセスデータを考慮し
なかったが、有機物濃度だけでなく、活性汚泥処理前後
の各種窒素及びリン濃度を運転支援のための情報として
利用できる。

これらの情報は自動計測値によらず手分析情報としてプ
ロセスデータ入力装置２から入力でき、他のプロセスデ
ータと同様に取扱うことができる。

なお、上記実施例は下水処理場を対象として説明したが
、本発明の情報処理及び運転支援方法は、下水処理場だ
けでなく浄水場の運転管理やバイオプロセスの運転にも
適用できる。

〔発明の効果〕

本発明によれば、画像処理装置と、水質計器信号、及び
、計測信号を用い、画像処理装置から得られる活性汚泥
の性状及び、糸状性微生物の優占種の判断より、活性汚
泥の性状を知ると共に。

Ｄｏ値、ＭＬＳＳ値等の水質計器信号と、天候。

季節をも含めた。計測信号をも考慮する事を可能とし、
活性汚泥の性状、量の両面を考慮し、かつ、計測信号よ
り、運転状況の判断をも含めた、統合的判断を可能とし
、又、運転状態の記憶を可能とし、過去の運転状況と、
現在の運転状況の比較及び、過去の運転より得られた知
識の応用、運転の方針移殖を可能とし、ガイダンス又は
、制御をも可能とする、下水処理運転支援システムを提
供できる。

【図面の簡単な説明】

第１図は、本発明の一実施例を説明する構成図、第２図
は画像計測の一例を説明するブロック図、第３図は活性
汚泥の撮像画像の一例を示す模凝図、第４図は糸状性微
生物相を抽出した画像処理の一例、第５図はフロック形
成菌を抽出した画像処理の一例、第６図は時系列情報か
らプラント状態の良否を判定する一例、第７図は頻度分
布からプラント状態を判定する他の一例、第８図は運転
支援を実行する本発明の一実施例を示す。 １・・・下水処理場、２・・・プロセスデータ入力装置
、３・・・運転支援システム、１９・・・画像認識装置
、３１．３２・・・プロセスデータファイル、３３・・
・検定処理、３５・・・判定処理、３９・・・検索処理
、４０・・・運転管理処理、４３・・・学習管理処理、
５０・・・データファイル装置、６０・・・知識ベース
、７０・・・学第 ２ 図 １８より ↑ 第 図 第 図 糸状性微生物長 第 図

Claims (1)

1. 【特許請求の範囲】 １、過去における複数種のプロセスデータを所定の分類
   項目と時間周期で管理するデータ管理手段と、管理デー
   タに対応した操作量あるいは目標量を記憶する記憶手段
   と、プロセスデータの現在値の推移からプロセス状態を
   判定するプロセス状態判定手段と、判定情報に基づいて
   管理データでの類似性を検索する検索手段と、検索デー
   タの操作量あるいは目標量を表示する表示手段を具備し
   たことを特徴とするプロセス運転支援システム。 ２、酸素を含むガスで曝気し廃水中の有機性物質を微生
   物で処理する処理槽と、前記微生物を固液分離する分離
   槽と、該分離槽で分離された微生物を前記処理槽に循環
   する手段を有する廃水処理プロセスにおいて、該プロセ
   スへの流入水あるいはプロセスの流出水の水質を計測す
   る水質計測手段と、前記微生物の撮像する撮像手段と、
   撮像手段で撮像した画像信号により前記微生物の出現量
   あるいは出現種類を求める画像処理手段と、前記水質計
   測手段の計測情報と手分析情報あるいは目視観察情報を
   所定の分類項目と時間周期で管理する手段と、管理デー
   タに対応した操作量あるいは目標量を記憶する記憶手段
   と水質情報の現在値を含む計測情報あるいは所定時間内
   の手分析情報及び目視観察情報の推移からプロセス状態
   を判定するプロセス状態判定手段と、管理データを参照
   して推移情報との類似データを検索する検索手段と、検
   索データの操作量あるいは目標量を表示する表示手段を
   具備したことを特徴とする廃水処理プロセスの運転支援
   システム。 ３、請求項２において、推移情報の異常正常を判定し、
   少なくとも異常判定時に検索を実行することを特徴とす
   る廃水処理プロセスの運転支援システム。 ４、請求項２において、前記管理データは天候及び季節
   の情報を有し、さらに正常時と異常あるいは特異時で分
   類して管理することを特徴とする廃水処理プロセス運転
   支援システム。 ５、請求項４において、異常あるいは特異時の管理デー
   タを少なくとも正常時より短周期で管理することを特徴
   とする廃水処理プロセスの運転支援システム。 ６、請求項２において、微生物の出現種類を判定情報と
   する際に微生物の特徴形状の呈示あるいは同定手順と、
   該微生物に適合した操作方式を表示する表示手段を具備
   することを特徴とする廃水処理プロセスの運転支援シス
   テム。 ７、請求項２において、表示された操作量あるいは目標
   量の適否を判断して修正できる設定手段　と、該設定手
   段で設定された設定量を実行する　操作手段を具備する
   ことを特徴とする廃水処理　プロセスの運転支援システ
   ム。 ８、請求項７において、前記操作手段で実行された操作
   量と、実行前後の任意期間における計測情報或いは手分
   析情報を特異データとして管理することを特徴とする廃
   水処理プロセスの運転支援システム。