污水处理厂测量、自动控制与故障诊断

　　《污水处理厂测量、自动控制与故障诊断》是以作者长期从事污水处理数学建模、自动控制和故障诊断的研究为基础，归纳总结了大量国内外研究成果编写而成。全书共分18章，主要介绍现代城市污水处理厂测量技术、自动控制技术和故障诊断技术等内容，较全面地反映了国内外在这一领域的研究、开发和应用现状，具有较强的系统性、实用性和可操作性。《污水处理厂测量、自动控制与故障诊断》可供环境工程及相关科研、生产和设计院所工程技术人员参考，也可用作高等院校环境科学与工程专业教材及教师参考书。

暂缺《污水处理厂测量、自动控制与故障诊断》作者简介

1 污水处理工艺流程及水质参数1
1.1 常见的污水处理方法1
1.2 污水的三级处理工艺5
1.2.1 一级处理工艺5
1.2.2 二级处理工艺6
1.2.3 三级处理工艺10
1.3 污水处理技术的新发展11
1.4 污水处理厂工艺和水质参数12
1.4.1 污水处理厂工艺参数12
1.4.2 污水处理厂水质参数15
1.5 污水处理厂水质测量16
1.5.1 污水水质测量技术现状16
1.5.2 污水水质测量中现存的问题17
1.5.3 实现污水处理厂水质参数测量的意义18
2 污水处理厂传感器及测量19
2.1 传感器简介20
2.1.1 传感器的定义20
2.1.2 传感器的分类20
2.1.3 传感器的特性21
2.2 几种常见的传感器22
2.2.1 温度传感器22
2.2.2 光电传感器23
2.2.3 电阻式传感器25
2.2.4 流量传感器25
2.2.5 生物传感器27
2.3 pH值和碱度的测量29
2.3.1 测定pH值的方法29
2.3.2 市场上现有的pH计30
2.3.3 碱度的测量30
2.4 氧化还原电位的测量32
2.4.1 ORP的基本概念和测量原理32
2.4.2 ORP在污水生物处理中的应用33
2.4.3 市场上现有的数显ORP计34
2.5 溶解氧的测量35
2.5.1 湿化学法测定DO35
2.5.2 膜电极法测定DO浓度36
2.5.3 市场上的DO传感器37
2.6 有机物浓度的测量38
2.6.1 生化需氧量的测量38
2.6.2 化学需氧量的测量42
2.6.3 总有机碳的测量45
2.6.4 有机酸的测量47
2.7 氮和磷（营养物）的测量48
2.7.1 氨氮的测量48
2.7.2 硝酸氮和亚硝酸氮的测量50
2.7.3 有机氮的测量50
2.7.4 总氮的测量51
2.7.5 可溶性正磷酸盐的测量52
2.7.6 氮磷检测传感器的设计52
2.8 光学探头和采样系统54
2.8.1 光学探头54
2.8.2 采样系统54
2.9 活性污泥性质的测量55
2.9.1 活性污泥呼吸速率的测量55
2.9.2 污泥沉降比和污泥体积指数的测量59
2.9.3 污泥浓度的测量60
3 软测量技术62
3.1 软测量技术基本原理63
3.1.1 辅助变量63
3.1.2 数据采集及预处理63
3.1.3 主导变量与辅助变量之间的时序匹配71
3.2 软测量模型73
3.2.1 软测量的数学描述73
3.2.2 影响软测量模型性能的主要因素74
3.2.3 软测量模型的在线校正与维护76
3.2.4 软测量模型的设计步骤76
3.2.5 软测量模型存在的问题78
3.3 软测量建模方法79
3.3.1 基于机理分析的软测量建模方法79
3.3.2 基于对象数学模型的软测量建模方法79
3.3.3 基于统计回归分析的软测量建模方法80
3.3.4 基于统计学习理论的软测量建模方法82
3.3.5 基于人工智能的软测量建模方法83
3.3.6 混合建模方法87
3.4 软测量技术在污水处理领域应用现状及前景展望89
3.4.1 软测量技术在污水处理领域的研究现状89
3.4.2 软测量技术在污水处理系统中的应用前景91
4 基于人工神经网络的软测量技术94
4.1 人工神经网络理论94
4.1.1 人工神经网络的概念94
4.1.2 神经网络的发展历史95
4.1.3 人工神经网络的特点96
4.1.4 人工神经网络的分类96
4.1.5 人工神经网络的结构97
4.1.6 神经元特征函数97
4.1.7 人工神经网络在污水处理中的应用98
4.2 建立人工神经网络模型的技术路线99
4.2.1 确定问题99
4.2.2 解决方法100
4.2.3 建立人工神经网络模型100
4.2.4 模型的应用及信息反馈104
4.3 基于人工神经网络的污水处理软测量模型104
4.3.1 基于BP神经网络的污水处理系统软测量模型104
4.3.2 基于RBF神经网络的污水处理系统软测量模型114
5 基于统计回归的软测量技术119
5.1 基于MLR的软测量技术119
5.1.1 MLR的基本原理119
5.1.2 基于MLR的污水处理软测量模型120
5.2 基于MSR的软测量技术126
5.2.1 基本原理126
5.2.2 基于MSR的软测量模型129
5.3 基于PCR的软测量技术131
5.3.1 PCR的基本原理131
5.3.2 基于PCR的污水处理软测量模型132
5.3.3 基于PCR和MLR的软测量模型比较135
5.4 基于PLS的软测量技术135
5.4.1 PLS方法概述136
5.4.2 PLS与PCR的比较138
5.4.3 PLS方法研究现状140
5.4.4 基于PLS的污水处理软测量模型146
6 污水处理厂测量仪表149
6.1 仪器仪表149
6.2 传统仪表150
6.3 智能仪表150
6.3.1 智能仪表的特点150
6.3.2 智能仪表的结构151
6.3.3 智能仪表的基本功能151
6.3.4 国内外智能仪表的发展现状152
6.3.5 智能仪表的发展趋势152
6.4 综合仪表153
6.4.1 常规智能仪表的不足153
6.4.2 综合仪表的特点154
6.5 污水处理厂测量仪表154
6.5.1 工艺流程155
6.5.2 污水处理过程仪表和传感器155
6.5.3 污水处理厂计量监测仪表的配置159
6.5.4 检测点的设置161
6.5.5 仪表的设计选型原则162
6.5.6 我国污水处理厂仪表应用的现状162
6.5.7 智能仪表在污水处理厂的使用162
6.6 在线软测量仪表164
6.6.1 软测量技术的实现方法164
6.6.2 软测量仪表的总体结构设计164
6.6.3 软测量仪表的人机交互设计165
7 污水处理厂自动控制概述168
7.1 实现污水处理自动控制的技术背景168
7.1.1 概述168
7.1.2 控制系统概念168
7.1.3 自动控制技术发展史169
7.2 污水控制系统的发展过程169
7.3 污水处理厂自动控制技术研究进展171
7.3.1 我国污水处理厂自控系统发展状况171
7.3.2 国外污水处理厂自控系统发展状况172
7.4 污水处理控制技术的难点173
7.5 污水处理自动控制的发展方向174
7.6 污水处理厂智能控制技术175
7.7 污水处理厂自动化控制的意义177
8 现代污水处理厂三种控制技术178
8.1 集散型计算机控制系统178
8.1.1 概述178
8.1.2 DCS的网络结构及特点178
8.1.3 DCS的稳定性179
8.2 现场总线控制系统180
8.2.1 现场总线基本概念180
8.2.2 现场总线产生的意义180
8.2.3 现场总线的特点181
8.2.4 五种典型的现场总线182
8.2.5 现场总线的网络结构184
8.2.6 基于现场总线的集散式计算机控制系统188
8.2.7 现场总线技术展望与发展趋势190
8.3 工业以太网控制系统190
8.3.1 工业以太网技术概述190
8.3.2 工业以太网技术的发展现状191
8.3.3 工业以太网通讯协议192
8.3.4 工业以太网关键问题193
9 可编程逻辑控制器201
9.1 可编程控制器的定义201
9.2 PLC的功能和特点201
9.3 PLC的分类和各部组成203
9.3.1 分类203
9.3.2 各部组成203
9.4 PLC的主要技术指标204
9.5 PLC的工作原理205
9.6 PLC的编程语言和过程控制206
9.7 PLC控制系统的发展趋势207
9.8 PLC控制系统冗余技术207
9.9 PLC在污水处理控制系统中的应用209
9.9.1 污水处理控制系统的工艺流程及设备控制要求209
9.9.2 污水处理控制系统的PLC选型和资源配置210
9.9.3 污水处理控制系统程序设计和调试211
9.9.4 污水处理控制系统PLC程序213
10 污水处理厂计算机监控及数据分析系统221
10.1 监控系统介绍221
10.1.1 监控系统的含义及发展状况221
10.1.2 监控系统的特点221
10.1.3 监控系统的分类222
10.1.4 监控系统的功能及结构222
10.2 监控系统的设计222
10.2.1 设计的原则222
10.2.2 监控系统的技术要求223
10.3 监控系统组成223
10.4 工业组态软件224
10.4.1 组态软件的特点224
10.4.2 上位机组态软件的选择225
10.4.3 工业组态软件介绍225
10.5 数据分析系统234
10.6 数据分析系统与监控系统的接口234
11 污水处理自动控制系统设计238
11.1 控制系统的设计要求238
11.2 控制系统的结构设计238
11.3 城市污水处理控制系统建立的功能240
11.4 控制系统运行模式240
11.5 控制系统方案241
11.6 控制策略241
11.7 自控系统设备及软件243
11.7.1 控制系统上位机243
11.7.2 控制系统下位机245
11.8 上下位机通信方式的选用248
11.8.1 数据通信基础知识248
11.8.2 控制系统网络249
12 污水处理厂各处理构筑物自动控制252
12.1 过程仪表选择252
12.2 粗格栅间控制252
12.3 细格栅、沉砂池控制256
12.4 鼓风机房过程控制257
12.5 污泥脱水过程控制260
12.6 变配电所过程控制261
12.7 报警及报表262
13 污水处理厂过程参数模糊控制263
13.1 模糊控制的发展和应用263
13.2 模糊控制的特点264
13.3 模糊控制在污水处理中的应用264
13.4 模糊控制器的理论分析265
13.4.1 模糊控制系统265
13.4.2 模糊控制器的控制原理与设计266
13.5 污水处理COD模糊控制算法应用275
13.6 污水处理DO模糊控制应用280
14 污水处理厂自动控制应用实例285
14.1 四川省新都污水处理厂自动控制285
14.2 河南省鹤壁市污水处理厂自动控制288
14.3 济源市污水处理厂自动控制296
14.4 大连泉水污水处理厂自动控制299
15 故障诊断的基本问题308
15.1 故障诊断的一些基本概念309
15.1.1 系统故障309
15.1.2 故障诊断310
15.2 故障诊断的任务和内容310
15.3 故障诊断的过程311
15.3.1 故障检测方法311
15.3.2 故障诊断过程312
15.4 故障诊断系统性能评价指标313
15.5 故障诊断的代表性方法313
15.5.1 基于解析模型的故障诊断方法314
15.5.2 基于信号处理的方法317
15.5.3 基于知识的故障诊断方法318
15.6 故障诊断的智能化320
15.7 故障诊断目前存在的主要问题和发展趋势321
15.7.1 故障诊断目前存在的主要问题和发展趋势321
15.7.2 智能故障诊断技术的发展趋势322
16 污水处理厂异常问题诊断与修复323
16.1 活性污泥生物处理工艺的主要运行问题324
16.2 活性污泥系统异常问题产生的原因324
16.2.1 活性污泥系统受损的原因324
16.2.2 产生污泥膨胀的原因325
16.2.3 产生生物浮沫的原因326
16.3 异常问题诊断与修复体系327
16.3.1 污泥系统异常问题的诊断技术327
16.3.2 污水生物处理系统异常问题的解决对策328
16.4 现代污水处理厂异常运行问题评定与控制方法330
16.4.1 污泥膨胀、浮渣和泡沫中丝状菌的评定方法330
16.4.2 污泥膨胀、浮渣和泡沫中丝状菌的控制方法330
16.5 污泥系统受损的快速诊断指标332
17 污水处理厂故障检测334
17.1 污水处理工艺过程故障检测的意义334
17.2 支持向量机用于故障检测的优势335
17.3 支持向量机理论335
17.3.1 统计学习理论与支持向量机335
17.3.2 基于SVM的二值分类339
17.3.3 支持向量机多分类算法342
17.3.4 粗糙集支持向量机混合方法343
17.4 SVM用于污水处理工艺过程故障检测的实例345
17.4.1 加权SVM算法用于污水处理工艺过程故障检测346
17.4.2 RSSVM方法用于污水处理工艺过程故障检测347
18 污水处理工艺过程故障诊断系统设计与实现349
18.1 智能故障诊断技术在污水处理领域的应用现状349
18.2 基于专家系统的故障诊断方法350
18.2.1 专家系统的基本概念与发展现状351
18.2.2 专家系统的组成351
18.2.3 专家系统与数据库的结合——专家数据库系统354
18.2.4 专家系统在污水处理故障诊断中的应用354
18.3 模糊专家系统概述358
18.3.1 模糊变量的处理359
18.3.2 模糊专家系统在解决实际问题中的优点360
18.3.3 模糊专家系统的结构361
18.3.4 模糊专家系统用于故障诊断361
18.4 污水处理工艺过程故障诊断系统设计363
18.4.1 数据库363
18.4.2 模糊知识表示364
18.4.3 推理机制的实现368
18.4.4 解释机的实现370
18.5 开发环境及工具370
参考文献372