与常规活性污泥法相比，高纯氧活性污泥法(High
Purity Oxygen Activated Sludge，HPO—AS)对控制的要求更加严格。由于过程滞后和噪声干扰，此系统两种常规反馈控制在控制过程中经常出现问题。为此Yin等人[15]研究了四种模糊逻辑控制系统，结果表明在正常条件下，模糊控制比常规的反馈控制更加节约能源、减少DO波动、稳定进水流量和出气流速。
Manesis等人[16]对一个前置反硝化污水处理厂进行了模糊控制系统研究。他们以反应器中氨氮、硝态氮、DO、温度、MLSS和二沉池进出水BOD的差值作为模糊控制系统的输入变量，以曝气区供氧速率、好氧区向缺氧区的回流速率以及二沉池向反应器的污泥回流速率作为输出变量，以处理厂操作人员的经验建立模糊控制规则，并在希腊Patras污水处理厂进行了仿真，取得了较好的结果。
与国外相比，国内从事污水处理模糊控制的研究人员较少。彭永臻等[17、18]对硝态氮污染水脱氮处理的新方法——生物电极法采用模糊控制，也取得了较好的控制效果。这种在线模糊控制器具有构造简单、可行性好、可靠性高、稳定性好和对进水硝态氮负荷变化的适应性强等优点，有利于避免过量地投加有机物并尽可能节省运行费用。彭永臻、曾薇等[19]采用SBR法处理石油化工废水，根据反应器内有机物的去除与DO浓度的相关性，提出以DO作为SBR法的模糊控制参数。通过大量试验，认为可根据初始阶段DO浓度及变化情况预测进水有机物浓度，进而实现对曝气量的模糊控制。
2.2
神经网络控制
基于人工神经网络的控制(ANN—based
Control)简称神经控制(Neural
Control)。神经网络是由大量人工神经元广泛联结而成的网络，它具有很强的自适应性和学习能力、非线性映射能力和容错能力。神经网络因具备上述特点，近年来越来越受到国内外污水处理专家的重视，并在污水处理自动控制系统中开展人工神经网络控制研究，取得了许多具有推广应用价值的成果。
Zhu等[20]研究开发了一种基于时间延迟神经网络模型的在线废水水质预测系统。他们首先提出采用多层感知器(MLP)网络模型对所建立的时间延迟神经网络(TDNN)的输入节点进行筛选，最后得到一个10输入TDNN模型，网络经过训练以后，其对废水处理预测精度均优于标准MLP模型。Gontarski等应用BP算法人工神经网络预测一个工业废水处理厂的出水水质，试验中共使用了7个神经网络，每一个反应器用一个神经网络，最后一个神经网络用来预测出水TOC的变化。试验结果表明，废水的流量和进水pH值是废水处理厂重要的控制参数。
在活性污泥法污水处理厂中，污泥膨胀是引起运行不正常的一个严重问题，它直接影响污水处理厂的处理效率，因此许多学者从活性污泥法的运行机理上对污泥膨胀现象进行了广泛的研究，但至今尚未获得克服污泥膨胀的经济而有效的方法。近年来，国外一些学者采用人工神经网络技术建立模型来预测和防止污泥膨胀现象的发生[21、22]。Capodaglio
等[21]在分析活性污泥系统输入和输出的基础上，应用污水处理厂的数据建立了人工神经网络模型，随后用这种模型预测未来污泥膨胀的发生。为使所构建的模型能更好地反映活性污泥法的实际状况，他们为输入参数选择了一个时间滞后输入方案。从模型预测结果可以看出，这种模型的预测精度远远超过其他传统预测方法。Belanche等[22]在Capodaglio建立的模型基础上引入定性信息，这些定性信息主要来源于显微镜对细菌和微型动物的观察和一些主观经验，并利用该模型对废水处理厂污泥膨胀现象进行预测。试验结果显示，定性信息对处理厂污泥膨胀现象影响很大，模型对污泥膨胀的预测同污水处理厂专家的评价判断吻合得很好。
Tay等人[23]在一个神经模糊模型的基础上，为污水厌氧处理系统开发出一个快速预测神经模糊模型来预测高速率厌氧系统对干扰的响应，此系统可以提前1h对不同系统的干扰进行预测。因此，该系统在实时控制上有很大的应用潜力。
Wen等人[24]研究了一种曝气池神经网络模型。该曝气池神经网络模型的数据由一个专家系统来提供，专家系统又从神经网络模型获取其所要的数据，从而对整个污水处理厂实施智能控制。专家系统从各种传感器和检测器获得信号后检查系统的状态，推断出一个污泥回流比。然后，专家系统把这个值送给神经网络，神经网络把从专家系统获得的当前状态值与通过网络预测得到的值进行比较，分析该值是增加还是减小或者是维持不变。专家系统根据当前BOD和MLSS的值以及神经网络预测的曝气池状态判断是否采用这个污泥回流比。如果预测状态不是所期望的，那么专家系统将再给出一个污泥回流比，重新进行一次测试，直到找到合理的污泥回流比。若专家系统想增加曝气池内的BOD浓度，它在向神经网络模型传输这组数据时，可以在当前BOD浓度上加一个小小的增量(例如0.05)作为目标值，神经网络模型就以此值预测一个污泥回流比，并把它反馈给专家系统。
2.3
专家控制
专家控制(Expert
Control)是智能控制的一个重要分支，又称专家智能控制。所谓专家控制，是把专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下仿效专家的智能，实现对系统的控制。20世纪90年代国外就有学者开始研究采用专家系统智能控制技术来实现污水处理的自动控制，并取得了有效成果[25～27]。
Barnett[25]建立了一个基于规则的专家系统，用于污泥厌氧消化的故障诊断。整个过程由计算机进行模拟，过程变量包括消化池的输入输出及表征池内状态的9个参数，控制变量是进泥量、回流污泥量、稀释水量和调节pH值的酸碱投量。另外，研究者为专家系统界定5类消化工艺运行不正常状态，每类状态又细分为注意、警告、危急和恢复正常等几类亚状态。这些状态和亚状态再与相关的控制措施相对应，即不正常状态的类型和程度决定了该采取什么样的控制手段，以便使消化恢复正常。Flores
等[26]设计了一个智能化系统来运行和管理多级厌氧系统，这个厌氧系统由各自的控制器控制，而这些控制器又通过宽带网与远处的中央管理器相联。中央管理器采集、分析、解释和存储由各生物反应器控制系统传来的数据，并采用图形界面的形式使操作者能清楚地看到这些信息。
Sung等[27]采用在线综合控制系统对水质、水量变化较大的食品废水进行控制。控制目标是使出水COD浓度较地方标准低50%，并且尽量减少曝气费用。此控制系统由两层组成，即管理层和过程控制层。在管理层中应用基于规则的专家系统为过程控制层提供最优控制点。此外，为避免鼓风机超负荷运行，还设计了基于规则的负荷分配系统。此控制系统已经成功地运行了2年，与不实行控制之前相比，出水COD浓度降低大约50%，节能约50%。
通过以上分析可知，智能控制技术在污水处理中应用较晚(只是近20年才逐渐得到应用)，而且大多数仍停留在实验室研究阶段，很多地方还很不完善。以神经网络控制为例，目前研究较多的模型属于静态模型，在一定程度上不太适合污水处理在线控制，因为活性污泥法污水处理随时间变化较大而且具有较大滞后性。因此，建议从事污水处理智能控制的科研人员以实际污水处理厂为研究目标，找出各种控制参数随时间的变化规律，运用动态模型建立污水处理智能控制系统。
3
结语
①
虽然智能控制已成为污水处理的研究与应用中的前沿与热点，但国内外仍处于广泛应用的初级阶段。从文献来看，我国从事这方面研究的人员太少，这也是制约我国污水处理自动控制和智能控制发展的主要因素。
②
与发达国家相比，我国在污水处理的基本理论、工艺流程和工程设计等方面并不明显落后，但是在运行管理与自动控制方面却存在着较大的差距。目前，我国城市污水处理厂的吨水耗电量是发达国家的近两倍，而运行管理人员数又是其若干倍，因此加强我国污水处理系统智能控制的研究与应用具有重要的科学意义与应用价值。
③
由于智能控制的优越性及其研究与应用的迅速发展，目前国外许多城市污水和工业废水处理厂正在通过技术改造向实现智能控制方向过渡。我国应当在有条件的情况下，在污水处理厂的规划、设计与建设初期就尽可能采用或部分采用智能控制。
| 
