تقاضای فزاینده برای بهبود عملکرد عملکرد سیستم فاضلاب شهری همراه با فقدان ابزار دقیق در اکثر تصفیه خانههای فاضلاب، نیاز به ناظران غیرخطی را برای استفاده به عنوان حسگرهای مجازی برای تخمین و کنترل کیفیت پساب ایجاد میکند. این مقاله بر روی توسعه یک روش کلی برای نظارت بر خط فرآیندهای لجن فعال، با استفاده از یک رویکرد فیلتر کالمن توسعه یافته (EKF) متمرکز شده است. مدل لجن فعال شماره 1 (ASM1) برای توصیف فرآیندهای بیولوژیکی در راکتور انتخاب شده است. اندازهگیریهای آنلاین توسط نویز سفید افزودنی خراب میشوند و ورودیهای ناشناخته با استفاده از تبدیل فوریه سریع (FFT) و تحلیلهای طیف مدلسازی میشوند. هدف این روش کاهش مدل اصلی ASM1 به یک مدل قابل مشاهده و شناسایی است که میتواند برای تخمینهای حالت غیرخطی و پارامتر مشترک استفاده شود. نتایج شبیهسازی برای نشان دادن اثربخشی روشهای پیشنهادی ارائه میشود و نشان میدهد که پایش آنلاین غلظت SND و XND زمانی حاصل میشود که از دادههای ورودی دینامیکی برای مشخص کردن فاضلاب ورودی برای مدل استفاده شود.
کنترل تصفیه خانه فاضلاب (WWTP) یک حوزه تحقیقاتی فعال از دو دهه پیش است که در آن مدل های ریاضی نقش مهمی در درک کنترل و عملکرد سیستم ها ایفا می کنند. فرآیندهای تصفیه فاضلاب به طور کلی توسط سیستم های پیچیده غیر خطی توصیف می شوند که بیانگر فرآیندهای بیولوژیکی، فیزیکوشیمیایی و بیوشیمیایی هستند. مدلی که معمولاً مورد استفاده قرار میگیرد و برای مدلسازی فرآیندهای حذف بیولوژیکی نیتروژن مورد استفاده قرار میگیرد، مدل لجن فعال شماره 1 (ASM1) انجمن بینالمللی آب (IWA) است (Henze et al., 2000). کنترل WWTP بهویژه با اختلالات زیاد در نرخ جریان ورودی و بارهای وارده به نیروگاه، همراه با عدم قطعیتهای مربوط به ترکیب فاضلاب ورودی پیچیدهتر میشود (Alex et al., 1999). بهعلاوه، اندازهگیریهای موجود اغلب ناکافی و ضعیف هستند به دلیل خرابی نویز و خرابیهای مکرر سنسور. علاوه بر این، برای نظارت بر عملکرد سیستم و طراحی استراتژیهای کنترل بهتر، مهندسان باید مقادیر چندین متغیر حالت را بدانند که با روشهای مستقیم قابل اندازهگیری نیستند. اندازهگیریهای موجود اغلب عبارتاند از: (1) تفسیر آن برای اهداف کنترلی به دلیل وجود مشکل است
2 در استفاده از فیلتر کالمن توسعه یافته برای نویز فرآیند لجن فعال که سیگنال را آلوده می کند (Benazzi et al., 2003) و (2) در اکثر WWTP ها ناکافی است یا به دلیل وجود ابزار دقیق قابل اطمینان در دسترس یا به دلیل وجود سنسورهای آنلاین بیش از حد گران. بنابراین، استفاده از مدلهای ریاضی برای توسعه «حسگرهای نرمافزاری» و بهبود نظارت بر عملکرد و/یا استراتژیهای کنترل خودکار ضروری است. یک «حسگر نرمافزار» (که به آن تخمینگر وضعیت و/یا پارامتر نیز گفته میشود) میتواند به عنوان ترکیبی از یک حسگر (سختافزار) و یک الگوریتم تخمین (نرمافزار) توصیف شود که برای ارائه تخمینهای آنلاین از حالتهای خاص و/یا استفاده میشود. پارامترهای جنبشی با بهرهبرداری از تمام اطلاعات موجود در اندازهگیریهای ارائهشده توسط حسگرهای آنلاین، عملکرد «حسگر نرمافزار» به دانش فرآیند توصیفشده توسط مدلهای ریاضی مرتبط است. این نوع حسگرها اغلب بر اساس تئوری ناظر غیر خطی هستند و در موارد متعددی با موفقیت اجرا شده اند (به عنوان مثال بنازی و همکاران، 2005؛ برنارد و همکاران، 2000؛ چروی، 1996). با این حال، تشخیص ارزیابی صحیح عملکرد به دلیل غیر یکنواختی کارخانه شبیه سازی شده بسیار دشوار است. مدلهای مختلفی استفاده میشوند که با پیکربندیهای پارامترهای مختلف ترکیب میشوند، و اکثر برنامهها نوع دادههای مورد استفاده را به عنوان تأثیرگذار بر WWTP مشخص نمیکنند. بنابراین، این مقاله یک روش کلی برای نظارت بر خط فرآیندهای لجن فعال در طول شرایط آب و هوای مرطوب (باران یا حوادث طوفانی)، با استفاده از یک "حسگر نرمافزاری" بر اساس فیلتر کالمن توسعه یافته (EKF) پیشنهاد میکند. ASM1، که در آن رویدادهای طوفان به عنوان تأثیرگذار در نظر گرفته می شوند، برای توصیف فرآیندهای بیولوژیکی در راکتور لجن فعال انتخاب شده است.
لوله کاروگیت/ مخزن اسید ها.