买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利基于级联模型的污水处理出水氨氮的卡边预测控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120664683B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510804752.1，技术领域涉及：C02F3/00；该发明授权基于级联模型的污水处理出水氨氮的卡边预测控制方法是由李向阳;白健儿;叶涛设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本基于级联模型的污水处理出水氨氮的卡边预测控制方法在说明书摘要公布了：本发明公开了基于级联模型的污水处理出水氨氮的卡边预测控制方法，该方法仅要求多级AO生化反应池的入水和出水的位置安装氨氮仪表，中间环节不需要安装氨氮仪表，节约了成本；通过入水氨氮测量值动态调节第一级和中间级出口氨氮设定值，实现每级AO生化反应池都能工作在其有效控制范围，保证最终出水氨氮满足环保要求；针对第一级和中间级出水无氨氮仪表，采用了扩张状态观测器估计了第一级和中间级的出水氨氮测量值，实现了每级AO的预测控制；本发明将AO污水处理工艺的多级AO特点与出水氨氮的建模和控制强关联，并充分考虑多点进水和内外回流，增加了模型和控制方案的可解释性，方便理解和现场调试，提高了实施效率。

本发明授权基于级联模型的污水处理出水氨氮的卡边预测控制方法在权利要求书中公布了：1.基于级联模型的污水处理出水氨氮的卡边预测控制方法，其特征在于：该方法是在多级AO生化反应池中，对第一级AO生化反应池的入水口及末级AO生化反应池的出水口安装氨氮仪表，获取第一级AO生化反应池入水氨氮测量值以及设定末级AO生化反应池的出水氨氮值，同时对每级AO生化反应池中设置溶解氧DO测量仪表及溶解氧DO浓度控制回路，建立溶解氧DO浓度与出水氨氮浓度的级联模型，根据扩张状态观测器动态调节第一级AO生化反应池及中间级AO生化反应池的出水氨氮浓度，进一步计算出各级AO生化反应池中溶解氧DO浓度控制回路的设定值，从而实现全过程氨氮控制和精确曝气，该方法包括以下步骤： S1、建立多级AO的氨氮-DO浓度数据驱动级联静态模型，计算第一级AO生化反应池及中间级AO生化反应池的出水氨氮设定值； 多级AO工艺在实施中采用三级AO工艺，待处理污水依次经过厌氧池、第一级缺氧池、第一级好氧池、兼性区、第二级缺氧池、第二级好氧池、第三级缺氧池、第三级好氧池以及二沉池，其中第二级缺氧池即为中间级缺氧池，第二级好氧池即为中间级好氧池，第三级缺氧池即为末级缺氧池，第三级好氧池即为末级好氧池，形成对污水的三级AO处理；其中，厌氧池、兼性区、第三级缺氧池均设进水，在第一级缺氧池的入水口及第三级好氧池的出水口安装有氨氮仪表，在每个好氧池中安装有溶解氧DO测量仪表，鼓风机通过曝气管道和阀门实现对好氧池的曝气控制，形成溶解氧DO浓度控制回路； 多级AO的氨氮-DO浓度数据驱动级联静态模型为公式1： 1 其中，静态模型指氨氮和溶解氧DO的浓度均稳定的情况下氨氮浓度和溶解氧DO的关系，为第一级AO入水口的氨氮测量值；为第一级AO出水口的氨氮测量值；为第二级AO出水口的氨氮测量值；为第三级AO出水口的氨氮测量值，即整个AO工艺最终氨氮控制的出口氨氮目标；，和分别为各级AO池中氨氮降低的数值；，和分别为前端污水入水量在各级AO的分配比例系数，有=1； 第一级AO生化反应池的出水口氨氮设定值为公式2a： 2a 第二级AO生化反应池的出水口氨氮设定值为公式2b： 2b 其中，是AO工艺出口氨氮目标；==是三级下降的氨氮量，取值相同，由公式1推得，令、1和1为前两级氨氮下降的权重系数； S2、对各级模型的参数进行辨识，建立从第一级AO到中间级AO、从中间级AO到末级AO的级联模型，并根据AO工艺的多点进水、内回流及外回流运行机制，在每级AO生化反应池中引入分级等效氨氮的软测量值； 各级AO生化反应池的模型视为结构一致，但各级模型参数不同，参数通过在入水氨氮和化学需氧量COD处于稳定数据段时进行辨识得到；设每个AO生化反应池入水及出水流量相同，AO生化反应池的水充分混合，即池内浓度与出水浓度相等；根据AO工艺的多点进水、内回流及外回流运行机制，引入分级等效氨氮的软测量值为的预测值以及的预测值； 三个AO生化反应池的氨氮浓度变化率方程分别为公式3a、3b及3c： 3a 3b 3c 其中，为采样周期，为30分钟；、、分别表示各级好氧池水的体积，根据液位和AO生化反应池的几何尺寸计算出，表示入水流量，表示第三好氧池的出水流量；是氨氮半饱和常数，初始值取1；是自养菌对氧的半饱和常数，初始值取0.4，并在初始值基础上进行迭代辨识；、、是过程增益系数，需要进行辨识；、和为多点入水分别到第一级、第二级和第三级的延时，为第一级出水到第二级出水的延时，为第二级出水到第三级出水的延时，延时参数根据流速和AO生化反应池几何尺寸计算出；，和分别为第一级、第二级和第三级好氧池中溶解氧DO的测量值； 逐级对各好氧池输入DO激励信号，测量每级通入DO激励信号时的入水氨氮、好氧池溶解氧DO和出水氨氮值，从而获得每级DO与氨氮的模型参数；逐级对好氧池输入DO激励信号为：DO幅值上下变化1mgL，第三好氧池的周期为120分钟，第二级好氧池和第一级好氧池的周期为为360分钟；其中，辨识参数时，在第三级好氧池进行DO激励时，第二级好氧池保持DO不变，若第一级好氧池由于与第三级好氧池相隔较远，在进行DO激励时，第一级好氧池DO能够变化；在辨识参数时，第三级好氧池进行DO激励时，第二级好氧池保持DO不变，第一级好氧池DO能够变化；第二级好氧池进行DO激励时，第一级好氧池保持DO不变，第三级好氧池DO调高1mgL并保持不变；在进行第一级好氧池DO激励时，第二级好氧池和第三级好氧池在的DO调高0.5mgL，保证在辨识过程中输出氨氮达到目标要求； 待辨识参数为，第三级好氧池的参数模型为公式4， 4 式中为第三级测试时的样本个数，第三级好氧池的优化指标为公式5 5 通过优化算法，得到公式5中的参数，之后通过第三级好氧池输出氨氮测量数据，推测出第二级好氧池输出氨氮的估计值；当完成第三级模型参数估计后，第一级模型和第二级模型采用与第三级模型相同和，则第一级模型和第二级模型只估计单参数和，在进行第二级模型参数辨识时，通过第三级好氧池输出氨氮测量数据，推测出第二级好氧池输出氨氮的估计值为公式6： 6 在进行第二级模型的参数辨识时，第二级测数据需整体往前移时间，为公式7： 7 和第二级的目标函数为公式8： 8 式中为第三级测试时的样本个数，根据公式11的结构按照第三级相同的辨识方法，通过比当前时刻前个采样时刻的采样数据，即辨识出；按照与第二级模型参数辨识同样的方法，先通过第二级好氧池的输出氨氮估计得到第一级好氧池的输出氨氮估计，然后通过单参数的辨识得到第一级模型参数； 根据第二级模型，得到第一级好氧池出水口氨氮估计值为公式9： 9 从第三级的输出的采样时刻，要向前移动时刻，第一级模型辨识为公式10： 10 和第一级的目标函数为公式11： 11； S3、建立每级AO以溶解氧DO为输入、出水氨氮浓度为输出的扩张状态观测器，得到第一级AO出水口和中间级AO出水口的氨氮浓度估计值，实现中间级AO无氨氮传感器时，对中间级AO氨氮浓度的估计，该氨氮浓度值分别用于本级AO的氨氮浓度控制； 在实时控制中，通过扩张状态观测器估计没有设置氨氮传感器的中间级AO生化反应池的氨氮浓度；根据测量值和，通过扩张状态观测器得到的观测值，第一级好氧池的出水氨氮的观测值、时刻的第二级好氧池的出水氨氮观测值；在此基础上，通过模型递推公式从时刻的，得到时刻的；从时刻的，到时刻的，最后基于和实现中间级AO生化反应池实时过程控制；三级AO生化反应池的扩张状态观测器为公式12a、12b及12c所示： 12a 12b 12c 其中，，和分别为第一级、第二级和第三级观测器的增益，其数值选取保证公式13a及13b稳定收敛； 第一级软测量递推公式13a为： 13a 其中，； 第二级的软测量递推公式13b为： 13b 其中，； S4、根据每级AO出水氨氮浓度设定值以及每级AO入水口和出水口的氨氮浓度估计值，通过级联模型设计控制器及其控制算法，实时更新每级AO的溶解氧DO浓度设定值，每级AO再根据本级DO浓度设定值和测量值之差来调节曝气风量，实现精确曝气； 通过级联模型的预测控制设计控制器及其控制算法，对各级好氧池设置目标函数和约束条件；进行优化求解得到级联模型预测控制律；取控制律中的第一个元素，代表该时刻的溶解氧设定值，每更新一次溶解氧设定值，此时，通过调节鼓风机的风量以及阀门开度来控制各级好氧池的溶解氧浓度以跟踪给定的溶解氧设定值，实现受约束的污水处理过程的出水氨氮浓度节能控制； 第一级好氧池的目标函数为公式14a： 14a 第二级好氧池的目标函数为公式14b： 14b 第三级好氧池的目标函数为公式14c： 14c 其中，是预测时域，是控制时域，第一级的递推预测模型为公式13a，第二级的递推预测模型为公式13b，是第三级出水氨氮的预测值，递推预测模型为公式15： 15 对溶解氧变化范围和出水氨氮的数值进行约束，为公式16： 16 其中，是DO设定值的下限，是DO设定值的上限，是出水氨氮设定值的上限。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。