赵杨，熊伟丽

（1 江南大学轻工过程先进控制教育部重点实验室，江苏无锡214122； 2 江南大学物联网工程学院，江苏无锡214122）

引 言

随着城市化和工业化的快速发展，生活污水和工业污水带来的污染已然成为人类无法逃避的问题[1-2]。现如今，活性污泥法是污水处理厂最常采用的一种污水生物处理技术[3-4]，该技术是将污水和活性污泥混合后，利用活性污泥的生物凝聚、吸附和氧化作用使有机污染物分解[5-6]。尽管污水处理厂的首要目标是使出水水质达标，但是也要考虑工厂的运营成本，尤其是控制好氧区溶解氧浓度(SO)的鼓风机和厌氧区硝态氮浓度(SNO)的回流泵所带来的能耗[7]。从生化反应机理来看，SO和SNO不仅决定了工厂的运营成本，还关乎着出水水质，因此，适当地控制SO和SNO能使工厂在保证出水水质的前提下，更有效地降低能耗。

污水处理过程工艺相对比较复杂，处理单元较多，给整个过程的优化控制带来了困难与挑战，近年来大量学者进行了相关研究[8-10]。Ostace等[11]采用基于模型的参考运营优化方法，对溶解氧浓度的设定值进行优化。Béraud等[12]采用多目标遗传算法和PI控制器相结合的优化控制方法，以泵送和曝气能耗为优化目标，对溶解氧和硝态氮浓度的设定值进行优化。张平等[13]和韩广等[14]分别采用混沌遗传算法和Hopfield神经网络来对以能耗为优化目标、出水水质参数为约束条件的目标函数进行优化。但这些方法一般侧重于对污水处理过程中能耗的降低，而出水水质的提升空间有限，因此其获得的解不具备多样性，很难达到能耗和出水水质之间的最佳平衡。……