混凝过程是自来水生产的重要环节之一,该过程通过投加药剂去除原水中的悬浮物和其它有害物质,达到净化的目的。由于混凝投药过程是一复杂的物理化学过程,对其控制需要处理非线性、时滞和随机等难题。本文以黑龙江省科技攻关项目《北方高寒地区小城镇(区)生活污水处理与回用集成技术应用研究》(编号GB05C20202)和横向项目《制水厂混凝过程模型及自动投药系统》为背景,研究水源水质预报、混凝投药控制策略,开发混凝投药监控装置。数学模型是混凝投药控制系统分析与设计的基础。然而,混凝过程机理复杂,难于从理论上进行建模。本文采用实验建模方法,分别建立混凝投药过程的线性模型和非线性模型。在线性建模中,将混凝过程模型分解为确定性和随机性两部分,对其分别建模。其中,确定性模型通过实验建模法求取,随机模型采用ARIMA模型对混凝过程拟合得到;在非线性建模中,混凝过程采用Hammerstein模型,以QPSO算法辨识过程参数。原水水质影响后续工艺过程,也影响出水水质。开展水源水质预报,提前预知其变化规律并提供给控制系统,不但能够使投药精度得到提高,而且还可掌握水质现状及其发展趋势,为分析判断事故原因及危害性,开展水环境水资源质量评价提供基础数据和手段。原水浊度具有非线性、非平稳等特性,针对这些特点,本文分别采用线性和非线性方法对其进行预报研究。对非平稳时间序列进行平稳化处理,然后采用基于自相关法的AR模型法进行水质预报;应用RBF神经网络进行预报时采用相空间重构的方法,在所采集数据的基础上增加数据的信息量,提高预测的准确度;应用支持向量机与经验模态分解相结合进行预报时,将原始浊度序列在时频空间分解为多个固有模态分量,分别采用支持向量机法对各模态进行预测,然后合成为浊度序列预测。最后通过仿真分析、比较各方法的性能。预测控制能够适应具有非线性、时变、时滞、不确定等特性的对象,基于非参数模型的动态矩阵控制和基于线性参数模型的广义预测控制等预测控制算法已经在工业过程控制中得到成功的运用。针对混凝投药控制系统的现状,本文对混凝投药过程的预测控制算法进行研究。文中对经典预测控制方法DMC算法进行改进,用DMC模型简化和预报误差校正结合的方法减少计算量,提高实时性,并解决模型失配问题;研究基于一维黄金分割法求解控制律的RBF神经网络预测控制方法,给出其偏差控制算法和控制律求解过程;研究基于Hammerstein模型的非线性预测控制,给出其控制律算法;通过仿真验证上述几种算法的有效性。在前述研究内容的基础上,研究基于LonWorks技术的混凝投药过程监控系统设计方案。对投药过程进行复合控制研究,给出包括前馈控制器和预测控制器的投药过程复合控制策略。设计软件和硬件,并在混凝投药模拟装置上进行工程试验。