與常規活性污泥法相比，高純氧活性污泥法(High
Purity Oxygen Activated Sludge，HPO—AS)對控制的要求更加嚴格。由于過程滯后和噪聲干擾，此系統兩種常規反饋控制在控制過程中經常出現問題。為此Yin等人[15]研究了四種模糊邏輯控制系統，結果表明在正常條件下，模糊控制比常規的反饋控制更加節約能源、減少DO波動、穩定進水流量和出氣流速。
Manesis等人[16]對一個前置反硝化污水處理廠進行了模糊控制系統研究。他們以反應器中氨氮、硝態氮、DO、溫度、MLSS和二沉池進出水BOD的差值作為模糊控制系統的輸入變量，以曝氣區供氧速率、好氧區向缺氧區的回流速率以及二沉池向反應器的污泥回流速率作為輸出變量，以處理廠操作人員的經驗建立模糊控制規則，并在希臘Patras污水處理廠進行了仿真，取得了較好的結果。
與國外相比，國內從事污水處理模糊控制的研究人員較少。彭永臻等[17、18]對硝態氮污染水脫氮處理的新方法——生物電極法采用模糊控制，也取得了較好的控制效果。這種在線模糊控制器具有構造簡單、可行性好、可靠性高、穩定性好和對進水硝態氮負荷變化的適應性強等優點，有利于避免過量地投加有機物并盡可能節省運行費用。彭永臻、曾薇等[19]采用SBR法處理石油化工廢水，根據反應器內有機物的去除與DO濃度的相關性，提出以DO作為SBR法的模糊控制參數。通過大量試驗，認為可根據初始階段DO濃度及變化情況預測進水有機物濃度，進而實現對曝氣量的模糊控制。
2.2
神經網絡控制
基于人工神經網絡的控制(ANN—based
Control)簡稱神經控制(Neural
Control)。神經網絡是由大量人工神經元廣泛聯結而成的網絡，它具有很強的自適應性和學習能力、非線性映射能力和容錯能力。神經網絡因具備上述特點，近年來越來越受到國內外污水處理專家的重視，并在污水處理自動控制系統中開展人工神經網絡控制研究，取得了許多具有推廣應用價值的成果。
Zhu等[20]研究開發了一種基于時間延遲神經網絡模型的在線廢水水質預測系統。他們首先提出采用多層感知器(MLP)網絡模型對所建立的時間延遲神經網絡(TDNN)的輸入節點進行篩選，最后得到一個10輸入TDNN模型，網絡經過訓練以后，其對廢水處理預測精度均優于標準MLP模型。Gontarski等應用BP算法人工神經網絡預測一個工業廢水處理廠的出水水質，試驗中共使用了7個神經網絡，每一個反應器用一個神經網絡，最后一個神經網絡用來預測出水TOC的變化。試驗結果表明，廢水的流量和進水pH值是廢水處理廠重要的控制參數。
在活性污泥法污水處理廠中，污泥膨脹是引起運行不正常的一個嚴重問題，它直接影響污水處理廠的處理效率，因此許多學者從活性污泥法的運行機理上對污泥膨脹現象進行了廣泛的研究，但至今尚未獲得克服污泥膨脹的經濟而有效的方法。近年來，國外一些學者采用人工神經網絡技術建立模型來預測和防止污泥膨脹現象的發生[21、22]。Capodaglio
等[21]在分析活性污泥系統輸入和輸出的基礎上，應用污水處理廠的數據建立了人工神經網絡模型，隨后用這種模型預測未來污泥膨脹的發生。為使所構建的模型能更好地反映活性污泥法的實際狀況，他們為輸入參數選擇了一個時間滯后輸入方案。從模型預測結果可以看出，這種模型的預測精度遠遠超過其他傳統預測方法。Belanche等[22]在Capodaglio建立的模型基礎上引入定性信息，這些定性信息主要來源于顯微鏡對細菌和微型動物的觀察和一些主觀經驗，并利用該模型對廢水處理廠污泥膨脹現象進行預測。試驗結果顯示，定性信息對處理廠污泥膨脹現象影響很大，模型對污泥膨脹的預測同污水處理廠專家的評價判斷吻合得很好。
Tay等人[23]在一個神經模糊模型的基礎上，為污水厭氧處理系統開發出一個快速預測神經模糊模型來預測高速率厭氧系統對干擾的響應，此系統可以提前1h對不同系統的干擾進行預測。因此，該系統在實時控制上有很大的應用潛力。
Wen等人[24]研究了一種曝氣池神經網絡模型。該曝氣池神經網絡模型的數據由一個專家系統來提供，專家系統又從神經網絡模型獲取其所要的數據，從而對整個污水處理廠實施智能控制。專家系統從各種傳感器和檢測器獲得信號后檢查系統的狀態，推斷出一個污泥回流比。然后，專家系統把這個值送給神經網絡，神經網絡把從專家系統獲得的當前狀態值與通過網絡預測得到的值進行比較，分析該值是增加還是減小或者是維持不變。專家系統根據當前BOD和MLSS的值以及神經網絡預測的曝氣池狀態判斷是否采用這個污泥回流比。如果預測狀態不是所期望的，那么專家系統將再給出一個污泥回流比，重新進行一次測試，直到找到合理的污泥回流比。若專家系統想增加曝氣池內的BOD濃度，它在向神經網絡模型傳輸這組數據時，可以在當前BOD濃度上加一個小小的增量(例如0.05)作為目標值，神經網絡模型就以此值預測一個污泥回流比，并把它反饋給專家系統。
2.3
專家控制
專家控制(Expert
Control)是智能控制的一個重要分支，又稱專家智能控制。所謂專家控制，是把專家系統的理論和技術同控制理論、方法與技術相結合，在未知環境下仿效專家的智能，實現對系統的控制。20世紀90年代國外就有學者開始研究采用專家系統智能控制技術來實現污水處理的自動控制，并取得了有效成果[25～27]。
Barnett[25]建立了一個基于規則的專家系統，用于污泥厭氧消化的故障診斷。整個過程由計算機進行模擬，過程變量包括消化池的輸入輸出及表征池內狀態的9個參數，控制變量是進泥量、回流污泥量、稀釋水量和調節pH值的酸堿投量。另外，研究者為專家系統界定5類消化工藝運行不正常狀態，每類狀態又細分為注意、警告、危急和恢復正常等幾類亞狀態。這些狀態和亞狀態再與相關的控制措施相對應，即不正常狀態的類型和程度決定了該采取什么樣的控制手段，以便使消化恢復正常。Flores
等[26]設計了一個智能化系統來運行和管理多級厭氧系統，這個厭氧系統由各自的控制器控制，而這些控制器又通過寬帶網與遠處的中央管理器相聯。中央管理器采集、分析、解釋和存儲由各生物反應器控制系統傳來的數據，并采用圖形界面的形式使操作者能清楚地看到這些信息。
Sung等[27]采用在線綜合控制系統對水質、水量變化較大的食品廢水進行控制�？刂颇繕耸鞘钩鏊�COD濃度較地方標準低50%，并且盡量減少曝氣費用。此控制系統由兩層組成，即管理層和過程控制層。在管理層中應用基于規則的專家系統為過程控制層提供最優控制點。此外，為避免鼓風機超負荷運行，還設計了基于規則的負荷分配系統。此控制系統已經成功地運行了2年，與不實行控制之前相比，出水COD濃度降低大約50%，節能約50%。
通過以上分析可知，智能控制技術在污水處理中應用較晚(只是近20年才逐漸得到應用)，而且大多數仍停留在實驗室研究階段，很多地方還很不完善。以神經網絡控制為例，目前研究較多的模型屬于靜態模型，在一定程度上不太適合污水處理在線控制，因為活性污泥法污水處理隨時間變化較大而且具有較大滯后性。因此，建議從事污水處理智能控制的科研人員以實際污水處理廠為研究目標，找出各種控制參數隨時間的變化規律，運用動態模型建立污水處理智能控制系統。
3
結語
�、�
雖然智能控制已成為污水處理的研究與應用中的前沿與熱點，但國內外仍處于廣泛應用的初級階段。從文獻來看，我國從事這方面研究的人員太少，這也是制約我國污水處理自動控制和智能控制發展的主要因素。
②
與發達國家相比，我國在污水處理的基本理論、工藝流程和工程設計等方面并不明顯落后，但是在運行管理與自動控制方面卻存在著較大的差距。目前，我國城市污水處理廠的噸水耗電量是發達國家的近兩倍，而運行管理人員數又是其若干倍，因此加強我國污水處理系統智能控制的研究與應用具有重要的科學意義與應用價值。
�、�
由于智能控制的優越性及其研究與應用的迅速發展，目前國外許多城市污水和工業廢水處理廠正在通過技術改造向實現智能控制方向過渡。我國應當在有條件的情況下，在污水處理廠的規劃、設計與建設初期就盡可能采用或部分采用智能控制。