基于时序神经网络的絮凝剂精准投加控制系统研究

自来水厂的混凝沉淀过程受水力条件、原水水质、絮凝剂投加量、水温、pH等多个因素影响，具有非线性、大时滞、多扰动等特点。传统的人工投加方式依赖主观经验，难以根据环境和水质变化动态准确地调整絮凝剂投加量，容易引发沉淀池出水水质不稳定或药物过量投加等问题。为此，研发了一种由分布式水下监测平台与时序神经网络预测模型结合PID控制算法构成的絮凝剂精准投加控制系统。首先，基于机器视觉的图像分割算法分析矾花颗粒面积占比和颗粒形态学特征，通过多维度综合研判絮凝反应效果，并对絮凝效果偏差的情况提供预警功能；其次，基于数据库中长期的监测数据，迭代训练时序神经网络预测模型，对出水浊度进行多步超前预测，突破了絮凝沉淀过程的大时滞响应与多因素扰动对自动控制算法带来的挑战。结果表明，采用精准投加控制系统后，出水浊度的波动幅度降低了62%，絮凝剂投加量减少了25%，在保证出水水质稳定的前提下，可以实现大幅降低药剂投加量的目标。