活性污泥法自20世纪初发明以来,已成为国内外城镇污水处理厂的核心工艺,并研发了 A2/O、SBR等大量的衍生工艺,但仍存在出水不稳定、自动化水平低等问题。据调查,溶解氧(DO)是目前我国城镇污水处理厂生化单元的主要监测与调控指标,研究者普遍认为其与生化单元去污性能显著相关,但实际运行过程暴露出监测准确性低、调控精确性差等突出问题,严重制约污水生物处理过程的控制效果与污染物去除性能。因此,有必要研发高效适用的城镇污水处理厂生化单元智能控制技术,以期实现城镇污水处理厂稳定运行与节能降耗。论文针对城镇污水处理厂生化单元DO控制难、总氮(TN)去除低、出水不稳定等问题,应用前馈神经网络模拟方法,以缺氧/好氧停留时间比、表面气速为主要输入参数开展污水厂生化处理过程仿真模型的可行性分析,通过扩大参数取值范围、优化神经网络算法获得具有最优工况选择能力的生化处理仿真模型,进而基于城镇污水处理厂生化单元实际运行数据分析证实其在节能增效方面的应用潜力。取得的主要研究结果如下:1.基于序批式活性污泥体系(SBR)中DO与缺氧/好氧停留时间比、表面气速的良好相关性,研究缺氧/好氧停留时间比、表面气速为控制变量对系统脱氮性能的影响。结果表明,在运行周期为4h的SBR体系,缺氧段时间由0min增至60 min后,TN去除率由50.1 ±5.5%增至64.0±1.2%;但缺氧时间过长(150 min)时,体系氨氮(NH4+-N)去除率仅为73.89%,TN去除率降至56.3%。同时,当表面气速从2.0 cm/s降至1.0 cm/s时,TN去除率由64.0±1.7%提升至68.1±1.9%,但当表面气速低于0.6 cm/s时,体系DO小于2.0 mg/L,污泥活性受抑制。在此基础上,通过124组有效实验数据构建了 6-8-1结构的前馈神经网络模型,获得了训练集、全集拟合度分别为0.9197、0.8634的较优训练结果,表明以实际工程可控参数(缺氧/好氧停留时间比、表面气速等)代替DO作为前馈神经网络输入参数,构建的生化反应过程仿真模型具有应用可行性。2.通过生化反应过程缺氧/好氧停留时间比、表面气速、进水方式等关键参数取值补充试验扩增了 102组样本数据,采用Levenberg-Marquardt算法、贝叶斯正则化、量化共轭梯度法等三种优化算法对生化反应过程仿真模型进行优化。结果表明,量化共轭梯度法的训练步数合理(156步)、训练时长最短(<<1s)、拟合程度最高(0.93),避免了梯度下降过程存在的过拟合、收敛慢或极值点附近振荡等问题,是仿真模型的首选算法。基于此仿真模型与预设限制条件,通过遍历搜索确定最优运行参数为:缺氧段时长50 min、表面气速0.6 cm/s、缺氧段前100%进水,在此条件下运行的SBR工艺TN去除率高达77.3±2.4%,明显优于对照组的55.2±3.0%,表明量化共轭梯度法训练的前馈神经网络模型具有生化反应过程最优参数的选择能力,可为污水处理过程智能控制提供依据。3.系统分析浙江某城镇污水处理厂为期一年的7938组有效运行数据发现,其在应对日常进水有机负荷(OLR)上升时,采取风机风量增大措施往往发生在进水COD激增5-10h内(平均7.067h),而厌氧/缺氧段HRT仅为5h,认为其中存在的2 h调控滞后期对污水厂生化单元稳定运行具有较大影响,同时存在风量短时多次调整、控制精度低等问题。为此,应用前期研究获得的量化共轭梯度法训练前馈神经网络模型,研究其对污水厂生化单元实际运行数据的拟合情况。结果表明,以污水厂进水COD、TN、pH、流量等为输入信号,对采集数据进行归一化与比因子调整,获得相关系数为0.7951的量化共轭梯度神经网络风机风量仿真模型(风机开停控制缺氧/好氧停留时间比、风机风量控制表面气速)。进一步通过2h调控滞后期移除优化仿真模型,其拟合度提高至0.8638,基于风机风量优化选择可加快系统响应速度、降低风机电力成本(9.32%)。综合分析认为,开发的量化共轭梯度神经网络仿真模型对城镇污水处理厂生化单元具有较优工况选择能力与节能增效应用潜力,以风机风量代替DO作为调控对象有助于实现城镇污水处理厂生化单元智能在线控制与出水稳定达标。