磷是引起水体富营养化、导致藻类大量繁殖的主要因子,是水环境污染和水体富营养化问题的主要因素,控制水体富营养化的一项重要举措就是将富含磷的污水进行处理,并且严格限制污水处理出水中总磷的排放。因此,出水总磷的实时检测是实现污水处理出水水质达标的重要手段,也是提高污水处理监测水平,降低能量消耗、化学药品消耗等的有效途径。污水处理过程主要通过生物化学反应,将有机物从污水中分离出来,使污水得到净化,现有总磷检测手段存在测量时间长、操作复杂及易造成二次污染等缺点。此外,由于污水处理过程中环境复杂多变,且各种运行变量相互关联,难以精确建立总磷的数学模型。因此,为了实现污水处理过程出水总磷的实时检测,文中提出了基于递归模糊神经网络(RFNN)的出水总磷软测量模型,实现了出水总磷的实时预测;同时,开发了基于出水总磷软测量模型的智能检测系统,并在污水处理厂中进行应用,实现了出水总磷的实时检测,提高了污水处理厂的自动化水平。该论文主要研究工作及研究成果包括以下几点:1.完成了出水总磷特征分析及相关性变量的研究:基于污水处理过程中生化反应机理与过程历史数据,分析出水总磷与其他过程变量的关系,利用机理分析及偏最小二乘算法从11类过程参数中筛选出与出水总磷相关性较高的过程变量,包括:出水温度T、厌氧区末端氧化还原电位ORP、好氧区前端溶解氧DO、好氧区末端总固体悬浮物TSS以及出水pH;2.完成搭建出水总磷软测量模型:基于获取的出水总磷相关性变量,建立了基于递归模糊网络的出水总磷软测量模型,并利用实际污水处理厂的运行数据对模型进行训练与修正,实现了污水处理过程出水总磷的预测。实验分析结果表明:基于递归模糊神经网络的出水总磷软测量模型能够获得较高的预测精度,与标准模糊神经网络及其他建模方法相比,文中提出的出水总磷软测量模型能够获得更好的预测效果;3.设计、开发并实际应用了出水总磷智能检测系统:首先,以A2/O工艺为标准搭建了出水总磷软测量硬件平台及相关性变量数据实时获取通路,解决了出水总磷相关性变量实时获取的问题,通过将获取的变量数据进行时间同步,确保了数据的准确性与可用性。其次,将数据采集、数据传输、软测量模块及可视化模块进行封装,完成了出水总磷智能检测系统的集成。最后,利用C#语言在Visual Studio编程环境下完成人机交互界面的开发,基于实时获取的出水总磷相关性变量数据,实现出水总磷检测值的实时运算与显示,并将设计的出水总磷智能检测系统应用于实际污水处理厂,完成了出水总磷智能检测系统的应用效果测试。