全国化工给排水设计技术中心站

肖建强，岐临凯，郭杰*
（甘肃银光化学工业集团，甘肃白银 730900）

摘要：溶解氧(DO)浓度是污水处理过程中影响生化反应效率的关键指标,提出一种基于长短期记忆网络(LSTM)的溶解氧预测控制框架,通过融合活性污泥模型(ASM3)机理与数据驱动方法,实现对溶解氧浓度的动态优化。首先,建立扩展的ASM3动力学模型,综合考虑微生物代谢、进水负荷波动、气温及气压变化对氧传质的影响;其次,设计多变量LSTM预测器,利用门控机制捕捉溶解氧的非线性时序特性,并通过在线学习动态更新模型参数;最后,构建多目标非线性模型预测控制(NMPC),在约束条件下平衡溶解氧跟踪精度、能耗优化与控制输入平滑性。仿真实验表明,系统稳态误差为0.15;工程应用结果表明,相较于传统PID和IMC控制,系统 IAE为0.074,ISE为0.006 31,MAXerr为0.094 3,鲁棒性显著提升。