科研動(dòng)態(tài)
Fault Diagnosis of Wastewater Treatment Processes Based on CPSO?DKPCA
論文題目：Fault Diagnosis of Wastewater Treatment Processes Based on CPSO?DKPCA
錄用期刊/會(huì)議：International Journal of Computational Intelligence Systems（中科院大類四區(qū)）
作者列表：
1）徐寶昌 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 教師
2）莊 朋 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 研22
3）王雅欣 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 博21
4）何 為 中石油安全環(huán)保技術(shù)研究院 博士
5）王中軍 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 碩21
6）劉忠堯 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 碩21
摘要:
污水生化處理過(guò)程是一類強(qiáng)非線性、變量耦合、工況復(fù)雜的過(guò)程。由于環(huán)境惡劣，污水生化處理過(guò)程故障頻發(fā)，導(dǎo)致傳統(tǒng)的故障檢測(cè)方法檢測(cè)率較低并且無(wú)法定位故障根源，造成出水水質(zhì)不達(dá)標(biāo)、運(yùn)行費(fèi)用增高和環(huán)境二次污染等問(wèn)題出現(xiàn)。據(jù)此提出一種基于混沌粒子群優(yōu)化算法優(yōu)化動(dòng)態(tài)核主成分分析和格蘭杰因果分析的故障監(jiān)測(cè)和診斷新方法。
背景與動(dòng)機(jī):
污水處理過(guò)程是一個(gè)變量眾多、滯后性強(qiáng)、參數(shù)時(shí)變的非線性處理過(guò)程，生化過(guò)程能夠去除污水處理過(guò)程中的絕大部分污染物，是污水處理過(guò)程的關(guān)鍵單元，由于所處環(huán)境的惡劣，會(huì)使得傳感器、風(fēng)機(jī)等設(shè)備受到腐蝕而損壞，另外進(jìn)水水質(zhì)的差距，PH、溫度、供氧量、營(yíng)養(yǎng)投加量的變化都會(huì)使生化過(guò)程的微生物受到?jīng)_擊，發(fā)生污泥膨脹、污泥發(fā)黑、污泥塊狀上浮、氣味異常等故障，故障的發(fā)生會(huì)降低污水處理系統(tǒng)的處理能力，容易引起出水水質(zhì)不達(dá)標(biāo)、運(yùn)行費(fèi)用增高和環(huán)境二次污染等嚴(yán)重問(wèn)題，因此，需要對(duì)污水處理過(guò)程進(jìn)行診斷，能夠及時(shí)發(fā)現(xiàn)問(wèn)題并解決，保證污水處理過(guò)程的有效性。
設(shè)計(jì)與實(shí)現(xiàn):
分為離線數(shù)據(jù)建模與在線數(shù)據(jù)監(jiān)測(cè)兩部分：
Fig. 1. Fault diagnosis flowchart based on CPSO-DKPCA-GC
實(shí)驗(yàn)結(jié)果及分析:
某石化污水處理廠真實(shí)污泥膨脹過(guò)程故障分析：
Fig.2. Fault detection of sludge bulking by CPSO-DKPCA
Fig. 5. Granger causality analysis for sludge bulking
從圖5可以看出，X1是導(dǎo)致污泥膨脹的最根本原因，即營(yíng)養(yǎng)成分的缺乏導(dǎo)致污泥膨脹，在這種情況下，一些高表面積體積比的絲狀細(xì)菌會(huì)繁殖，從而導(dǎo)致污泥膨脹。在有機(jī)物及營(yíng)養(yǎng)物質(zhì)均充足情況下，污泥中菌膠團(tuán)比增長(zhǎng)速度較絲狀菌快，有利于與絲狀菌的競(jìng)爭(zhēng)，從而緩解污泥膨脹，因此在發(fā)生總磷缺乏的時(shí)候，應(yīng)當(dāng)投加營(yíng)養(yǎng)物質(zhì)，解決污泥膨脹的故障。
小結(jié):
在這篇文章，針對(duì)污水處理過(guò)程中的故障，提出了一種CPSO-DKPCA-GC的故障診斷方法，這種方法能夠克服變量的自相關(guān)性及非線性的困難，而且解決了進(jìn)行格蘭杰因果分析的候選變量的選擇難題，與PCA,KPCA,DKPCA相比，該方法在故障檢測(cè)率方面有較大的提升，并且可以準(zhǔn)確定位故障原因。
作者簡(jiǎn)介:
徐寶昌，教授,博士生導(dǎo)師/碩士生導(dǎo)師。長(zhǎng)期從事復(fù)雜系統(tǒng)的建模與先進(jìn)控制；鉆井過(guò)程自動(dòng)控制技術(shù)；井下信號(hào)的測(cè)量與處理；多傳感器信息融合與軟測(cè)量技術(shù)等方面的研究工作。現(xiàn)為中國(guó)石油學(xué)會(huì)會(huì)員，中國(guó)化工學(xué)會(huì)信息技術(shù)應(yīng)用專業(yè)委員會(huì)委員。曾參與多項(xiàng)國(guó)家級(jí)、省部級(jí)科研課題的科研工作，并在國(guó)內(nèi)外核心刊物發(fā)表了論文70余篇；其中被SCI、EI、ISTP收錄30余篇。