干货丨乔俊飞：面向污水处理过程控制的多目标智能优化方法研究

  乔俊飞

中国人工智能学会常务理事，北京工业大学教授，博士生导师。教育部长江学者特聘教授，国家杰出青年基金获得者，中国自动化学会理事。长期从事城市污水处理过程建模、控制与优化，在污水处理过程智能特征建模、自组织控制和多目标动态优化方面取得系列成果，发表高水平学术论文100余篇，获得授权发明专利30余项。   

针对污水信息分析所涉及的时变不确定性问题，该项目提出并获得了神经网络结构自组织设计方法，提高了处理时变不确定性信息的能力，发展了智能信息处理理论和方法；提出了基于数据的智能多目标优化方法，有效解决了非平稳系统的动态优化问题；获得了基于特征参量的关键水质指标的智能自组织测量模型，突破了城市污水处理关键水质指标无法在线测量的技术难题；率先提出了规则自适应模糊控制方法并形成实用技术，解决了污水处理过程中溶解氧、硝态氮等关键过程变量的精准控制问题；建立了基于出水水质的城市污水处理过程多目标智能优化方法，降低了吨水处理能耗，实现了污水处理厂低成本运行；研发出具有自主知识产权的城市污水处理智能优化控制系统，已经在全国不同地区、不同工艺的城市污水处理厂得到实际应用，取得了显著的经济效益和社会效益。  

摘  要：污水处理过程具有时变、不确定性和强非线性等特点，系统经常运行在非平稳状态，常规的控制方法无法直接使用，致使当前污水处理厂普遍存在处理能耗高、水质超标严重等问题。因此，寻求不依赖于动力学模型且具有超强自适应能力的智能优化控制方法，对于提高污水排放达标率，降低运行成本至关重要。在多年研究的基础上，本文给出了一种可行的智能建模、优化方法，为实现城市污水处理节能降耗提供了技术支撑。

关键词：污水处理；智能优化控制；建模；优化

本文来源于"中国人工智能学会",原文发表时间" 2017-02-16 "