污水处理工艺流程故障诊断方法

       按照国际故障诊断权威Frank教授的观点，故障诊断方法大致可以分为三类：基于数学模型的方法(解析法)、基于知识的方法和基于数据驱动的方法
       (1) 基于数学模型的方法。基于数学模型的故障检测，是通过将被检测对象的可测信息和由模型表达的系统先验信息进行比较，从而产生残差，并对残差进行分析和处理而实现故障检侧的技术。基于模型的方法发展时间较长，相对比较成熟，它使用根据基本原理构造的 精确的、定量的数学模型，但主要限于线性系统，性能的好坏很大程度上依赖于过程模型的准确程度。
      20世纪80年代以来，生化反应模型和计算机技术在污水处理过程中的应用日趋广泛， 寻求能够反映污水处理过程复杂特性的数学模型一直是研究热点。为了促进和规范污水处理模型的发展，国际水协会先后推出了活性污泥1号、2号和3号模型，这些模型的推出大大 推动了污水处理过程模型的发展，但从故障诊断的角度来看，由于这些模型大都结构复杂、参数众多，模型的可辨识性较差，增加了过程模拟的不确定性，不利于故障诊断的应用
对污水处理系统来说，由于生物活动的复杂性、非线性以及处理单元间强藕合性等特 性，基于模型的方法在污水处理的性能监控中难以得到广泛应用。
       (2) 基于知识的方法。基于知识的方法主要是利用人工智能的方法(包括模糊逻辑、因果分析、专家系统等)，构造某些系统功能以模仿和实现人类(熟练操作人员、技术人员、专家)在监测控制过程中的某些思维和行为，自动完成整个检测和诊断过程。基于知识的方法由于不需要对象的精确数学模型，因此具有很大生命力，其中的专家系统由于具有启发性、透明性和灵活性的特点，特别善于解决特定领域内需要大量专门知识才能求解的问题，因此非常适合解决复杂系统的实时控制和工艺过程的故障诊断等问题。
       (3) 基于数据驱动的方法。目前污水处理厂越来越重视过程自动化系统建设，更多的仪 表用于过程检测，从而获得了大量的可用于过程监控的数据。同时随着工业计算机技术和数 据库技术的发展，廉价的计算资源和可靠的存储技术为流程工业数据的分析提供了物质基 础。如何从生产过程的数据库中挖掘出隐藏的有用信息，从而对系统进行监控，己成为越来 越迫切的需要。基于数据驱动的方法就是利用工业过程拥有的丰富观测变量数据，以采集的 过程数据为基础，通过各种数据处理与分析〔如多元统计方法、聚类分析、小波分析等〕挖 掘出数据中隐含的信息，从而指导生产，提高监控系统的监控能力。这种方法比较符合流程 工业的特点，通用性强。
       数据驱动技术的优势在于它们能够将高维的数据变换成低维，并从中获取重要的信息。 通过给过程操作员或与工程师计算出一些有意义的统计数字，可以大大改善大系统的过程监 控系统，而且可以利用这些数据提前预测出系统将要出现的故障，有效地提高产品的质量，  减小企业不必要的损失。
       基于数据驱动的方法不需要了解复杂的过程机理，具有强大的生命力，但其对数据的要 求较高，应用效果依赖于数据的质量和数量。由于资金的限制，我国污水处理厂检测仪表的 数量和质量有限，无法得到完备的数据信息，因此限制了数据驱动方法的应用。
      (4) 知识驱动与数据驱动方法的结合。污水处理过程复杂，伴随着复杂的物理化学反应 过程、非线性、大时滞和多变量耦合，单纯的一种诊断方法往往无法取得满意的效果。将知 识推理控制方法与数据驱动方法有机地结合起来，取长补短，也是解决污水处理过程诊断的 有效途径。清华大学的徐丽婕等结合活性污泥数学模型和专家系统开发了城市污水处理厂运 行决策支持系统（WWTP ODSS)，该系统集过程预警、故障诊断、过程模拟和预测等多种功能于一体，为污水处理厂的运行和控制提供必要的支持。