本实用新型涉及一种污水深度处理的粉末活性炭加药自动控制系统，属于污水处理领域。
背景技术：
污水处理领域中传统的自动控制系统要求建立精确的数学模型，并且必须遵循一些严格的线性化假设。然而实际水处理系统存在复杂性、时变性和不确定性等特性，一般无法获得与假设相符的精确数学模型，因此采用传统控制理论建立的水处理自动控制系统，在实际工程应用上仍存在着出水水质波动较大等问题，这也是粉末活性炭投加系统亟需解决的问题。
国内的活性炭投加系统都比较简单，由于资金不足、技术力量薄弱以及生产的季节性等原因，加药手段是靠取样后测定，再根据测定结果去调整设备运行状态，由于是非连续监测，且设备运行状态调整滞后，常常导致投药量准确性不高、出水水质不稳定，而要保证出水水质的稳定达标，需要投加过量的活性炭，这就提高了污水处理厂运行和管理费用。可以看出，目前的控制系统存在自动化水平低、工人劳动强度大和药耗大等一系列问题。
技术实现要素：
本实用新型的目的是提供一种用于水处理的粉末活性炭加药自动控制系统，以提高投药量的准确性。
为实现上述目的，本实用新型所采取的技术方案是：本实用新型用于水处理的粉末活性炭加药自动控制系统包括数据采集装置、控制装置和变频加药装置；数据采集装置包括第一COD监测仪、流量监测仪和第二COD监测仪，控制装置包括PLC和上位机，上位机包括基于BP神经网络预测模型的前馈控制器、以及PID反馈控制器，变频加药装置包括变频器和计量泵；第一COD监测仪、流量监测仪分别与处理池的进水端口连通，第二COD监测仪与处理池的出水端口连通，第一COD监测仪、流量监测仪、第二COD监测仪分别与PLC连接；前馈控制器、PID反馈控制器分别与PLC连接，PLC与变频器连接，变频器与计量泵连接。
进一步地，本实用新型所述第一COD监测仪检测到的COD监测值通过PLC输入到前馈控制器，经BP神经网络预测模型计算后将得到的前馈控制器的输出值作为活性炭预测投加量；第二COD监测仪检测到的COD监测值通过PLC输入到PID反馈控制器，将PID反馈控制器的输出值作为投药量修正值，上位机利用公式计算后得到活性炭投加流量M并发送到PLC，其中，Δk表示投药量修正值，m表示活性炭预测投加量，c表示活性炭炭浆浓度，Q表示进水流量；PLC根据活性炭投加流量控制变频器，再由变频器控制计量泵，从而控制粉末活性炭投加量。
进一步地，本实用新型还包括储液池，储液池与所述计量泵连通，所述储液池内盛有活性炭炭浆。
进一步地，本实用新型所述计量泵与活性炭反应池的进水口连通。
与现有技术相比，本实用新型具有以下优点：
(1)由于采用了基于BP神经网络预测模型的前馈控制器和PID反馈控制器复合控制的方式，将BP神经网络的自学习能力和PID修正误差能力有机结合起来，不仅克服了活性炭加药传统模型中存在的准确性低和模型失配的问题，又能根据出水COD及时修正当前的活性炭投加量，可弥补前馈中各参数在传感器和炭浆浓度等方面的误差，有效提高了模型预测精度和灵活性，提高了投药的准确性，节省了药耗。
(2)实现了活性炭投加系统的自动化控制，取代了以往的手动操作投加，建立了PLC和上位机之间的实时数据传递，上位机结合前馈预测活性炭投加量和反馈控制参数误差的功能，进而通过公式计算实现了计量泵的精准加药，减少了原先的人工调节时间，降低了技术人员的劳动强度，且保证了出水COD实现稳定达标。
附图说明
图1是本实用新型加药自动控制系统的结构示意框图。
图2是本实用新型加药自动控制系统中的控制装置的结构示意框图。
图3是使用本实用新型加药自动控制系统的加药工艺流程图。
具体实施方式
下面通过具体的实施例并结合附图对本实用新型做进一步的详细描述。
本实用新型的用于水处理的粉末活性炭加药自动控制系统，可用于污水的深度处理。如图1所示，本实用新型的用于水处理的粉末活性炭加药自动控制系统主要包括数据采集装置、控制装置、变频加药装置三部分。
在本实用新型中，数据采集装置包括第一COD监测仪、流量监测仪和第二COD监测仪。控制装置包括PLC和上位机，上位机包括基于BP神经网络预测模型的前馈控制器、以及PID反馈控制器。上位机可装有Matlab软件。变频加药装置包括变频器和计量泵。第一COD监测仪、流量监测仪分别与处理池的进水端口连通，第二COD监测仪与处理池的出水端口连通，第一COD监测仪、流量监测仪、第二COD监测仪分别与PLC连接；前馈控制器、PID反馈控制器分别与PLC连接，PLC与变频器连接，变频器与计量泵连接；将第一COD监测仪检测到的COD监测值(以下简称“第一COD”)通过PLC输入到前馈控制器，经BP神经网络预测模型计算后将得到的前馈控制器的输出值作为活性炭预测投加量；第二COD监测仪检测到的COD监测值(以下简称“第二COD”)通过PLC输入到PID反馈控制器，将PID反馈控制器的输出值作为投药量修正值，上位机利用公式计算后得到活性炭投加流量M并发送到PLC，其中，Δk表示投药量修正值，m表示活性炭预测投加量，c表示活性炭炭浆浓度，Q表示进水流量；PLC根据活性炭投加流量控制变频器，再由变频器控制计量泵，从而控制粉末活性炭投加量。
进一步地，本实用新型还可包括储液池，储液池与计量泵连通，所述储液池内盛有活性炭炭浆。计量泵可与活性炭反应池的进水口连通。
建立前馈控制器的BP神经网络预测模型时，将第一COD作为控制参量，活性炭投加量作为目标函数，同时把目标函数和控制参量输入计算机，进行离线学习训练。具体包括以下步骤：
步骤1-1，将第一COD监测仪的数字信号X＝(x1，x2，···，xn)T作为输入向量，活性炭投加量Y＝(y1，y2，···，ym)T作为输出向量，O＝(o1，o2，···，o1)T作为隐含层的输出向量，d＝(d1，d2，···，dm)作为BP神经网络的期望输出向量，W＝(W1，W2，···，Wn)作为输入层和隐含层之间权值矩阵，V＝(V1，V2，···，V1)作为隐含层和输出层之间的权值矩阵，对权值矩阵W和V赋予随机初值，将样本模式计数器p、训练次数计数器q均置为1，误差置为0，给定最小误差Emin；
步骤1-2，输入训练样本，计算输入层、隐含层和输出层的输出，利用当前样本Xp、dp，根据权值矩阵选取的初始权值，经过激励函数的转换，对向量数组X、d赋值，计算O和Y中的分量；
步骤1-3，计算网络输出误差，网络对应p对训练样本的不同误差为Ep；
步骤1-4，计算输入层、隐含层和输出层的误差信号，根据各层误差信号调整对应的权值，得到新的权值；
步骤1-5，判断所有的输入样本是否被训练过一次，如果都训练过则进行步骤1-6，否则进行步骤1-1；
步骤1-6，判断均方误差是否小于给定最小误差Emin，如果是则结束，得到BP神经网络模型，否则进行步骤1-1。
前馈控制器根据实时采集的第一COD，输入BP神经网络预测模型进行计算，输出当前状态下所需的活性炭投加量m(kg/L)。
PID反馈控制器需要进行参数整定，具体包括以下步骤：
步骤2-1，得到粉末活性炭加药自动控制系统被控对象的传递函数；
步骤2-2，在Matlab的Command Window环境下初始化相应的PID参数变量：如Kp＝1，Ki＝0，Kd＝0；仿真时系统稳定运行；
步骤2-3，不断增大比例系数，直到系统出现临界振荡过程，记录下临界振荡增益和临界振荡周期；
步骤2-4，按照比例临界度法参数整定的计算公式表的经验公式和校正转置的类型确定相应的PID参数，再进行仿真校验。
PID反馈控制器根据实时采集的第一COD、进水流量和第二COD等监测信息，输出活性炭投加量补偿值Δk(kg/L)。
根据前馈控制器输出的活性炭投加量m、反馈控制器输出的活性炭投加量补偿值Δk、活性炭炭浆浓度c(kg/m3)以及进水流量Q，根据公式得到活性炭投加流量，将其输入到变频加药系统，通过PLC调节变频器实现对计量泵的控制。
本实用新型加药自动控制系统包括以下部分：1.数据采集装置：包括安装于活性炭反应池前的第一COD监测仪、流量监测仪、安装于出水口的第二COD监测仪；2.控制装置：由PLC和计算机组成。3.变频加药装置包括变频器和计量泵。在图3所示的本实施例中，第一、二COD监测仪、进水流量监测仪的数字信号都先通过PLC传至计算机，利用BP神经网路模型和PID反馈控制器计算所得的活性炭投加流量传送回PLC，经过PLC后将控制信号传输至变频加药装置，这样做可将BP神经网络的自学习能力和PID修正误差能力有机结合起来，不仅克服了活性炭加药传统模型中存在的准确性低和模型失配的问题，又能根据出水COD及时修正当前的活性炭投加量，可弥补前馈中各参数在传感器和炭浆浓度等方面的误差，大大提高了投药的准确性。结果表明，本实用新型水处理粉末活性炭加药自动控制系统在保证了出水COD(第二COD)达到一级A标准的前提下，大幅度减少了药耗，极大地降低了成本。
以上仅为本实用新型的优选实施例而已，并不用于限制本实用新型，对于本领域的技术人员来说，本实用新型可以有各种更改和变化。凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。