Fault Diagnosis of Wastewater Treatment Processes Based on CPSO?DKPCA
論文題目：Fault Diagnosis of Wastewater Treatment Processes Based on CPSO?DKPCA
錄用期刊/會議：International Journal of Computational Intelligence Systems（中科院大類四區）
作者列表：
1）徐寶昌 中國石油大學（北京）人工智能學院 自動化系 教師
2）莊 朋 中國石油大學（北京）人工智能學院 控制科學與工程 研22
3）王雅欣 中國石油大學（北京）人工智能學院 控制科學與工程 博21
4）何 為 中石油安全環保技術研究院 博士
5）王中軍 中國石油大學（北京）人工智能學院 控制科學與工程 碩21
6）劉忠堯 中國石油大學（北京）人工智能學院 控制科學與工程 碩21
摘要:
污水生化處理過程是一類強非線性、變量耦合、工況復雜的過程。由于環境惡劣，污水生化處理過程故障頻發，導致傳統的故障檢測方法檢測率較低并且無法定位故障根源，造成出水水質不達標、運行費用增高和環境二次污染等問題出現。據此提出一種基于混沌粒子群優化算法優化動態核主成分分析和格蘭杰因果分析的故障監測和診斷新方法。
背景與動機:
污水處理過程是一個變量眾多、滯后性強、參數時變的非線性處理過程，生化過程能夠去除污水處理過程中的絕大部分污染物，是污水處理過程的關鍵單元，由于所處環境的惡劣，會使得傳感器、風機等設備受到腐蝕而損壞，另外進水水質的差距，PH、溫度、供氧量、營養投加量的變化都會使生化過程的微生物受到沖擊，發生污泥膨脹、污泥發黑、污泥塊狀上浮、氣味異常等故障，故障的發生會降低污水處理系統的處理能力，容易引起出水水質不達標、運行費用增高和環境二次污染等嚴重問題，因此，需要對污水處理過程進行診斷，能夠及時發現問題并解決，保證污水處理過程的有效性。
設計與實現:
分為離線數據建模與在線數據監測兩部分：
Fig. 1. Fault diagnosis flowchart based on CPSO-DKPCA-GC
實驗結果及分析:
某石化污水處理廠真實污泥膨脹過程故障分析：
Fig.2. Fault detection of sludge bulking by CPSO-DKPCA
Fig. 5. Granger causality analysis for sludge bulking
從圖5可以看出，X1是導致污泥膨脹的最根本原因，即營養成分的缺乏導致污泥膨脹，在這種情況下，一些高表面積體積比的絲狀細菌會繁殖，從而導致污泥膨脹。在有機物及營養物質均充足情況下，污泥中菌膠團比增長速度較絲狀菌快，有利于與絲狀菌的競爭，從而緩解污泥膨脹，因此在發生總磷缺乏的時候，應當投加營養物質，解決污泥膨脹的故障。
小結:
在這篇文章，針對污水處理過程中的故障，提出了一種CPSO-DKPCA-GC的故障診斷方法，這種方法能夠克服變量的自相關性及非線性的困難，而且解決了進行格蘭杰因果分析的候選變量的選擇難題，與PCA,KPCA,DKPCA相比，該方法在故障檢測率方面有較大的提升，并且可以準確定位故障原因。
作者簡介:
徐寶昌，教授,博士生導師/碩士生導師。長期從事復雜系統的建模與先進控制；鉆井過程自動控制技術；井下信號的測量與處理；多傳感器信息融合與軟測量技術等方面的研究工作。現為中國石油學會會員，中國化工學會信息技術應用專業委員會委員。曾參與多項國家級、省部級科研課題的科研工作，并在國內外核心刊物發表了論文70余篇；其中被SCI、EI、ISTP收錄30余篇。