現今SBR工藝已經(jīng)廣泛應用于處理各種中小水量的工業(yè)廢水�？偨Y歸納了SBR智能控制策略的類(lèi)型，重點(diǎn)對模糊控制、專(zhuān)家系統和神經(jīng)網(wǎng)絡(luò )等高級控制策略進(jìn)行較為詳細的論述，并介紹了混合智能控制策略研究現狀。最后針對SBR智能控制策略存在的問(wèn)題和不足，為其進(jìn)一步發(fā)展提出具體的建議。
關(guān)鍵字：控制策略 SBR 神經(jīng)網(wǎng)絡(luò ) 模糊控制 專(zhuān)家系統
SBR工藝由于具有運行方式靈活多變.占地 面積小的特點(diǎn)，廣泛用于處理工業(yè)廢水和中小城鎮的生活污水。SBR工藝最大的缺點(diǎn)在于其操作復 雜和難于管理，只有在實(shí)現自動(dòng)控制的條件下. SBR特有的優(yōu)勢才能得到充分發(fā)揮�，F今SBR污水處理廠(chǎng)大多數采用定時(shí)自動(dòng)控制系統.這種控制方式的靈活性差。運行方式不能隨水質(zhì)水量波動(dòng)而變化，在一定程度上影響其進(jìn)一步推廣和應用。為了克服定時(shí)控制方法存在的先天性不足。SBR工藝控制系統逐漸朝著(zhù)智能控制系統的方向發(fā)展和演變�？刂撇呗允强刂葡到y的核心部分.控制策略的研究和開(kāi)發(fā)是SBR控制系統發(fā)展的前提和先決條件。因此代表著(zhù)SBR未來(lái)發(fā)展方向的智能控制策 略自然引起了廣大研究人員的普遍關(guān)注。
1.智能控制策略分類(lèi)
根據控制思想的不同，控制技術(shù)可以劃分為兩類(lèi)：①基于規則的控制：如已被用于SBR系統控制中的模糊和專(zhuān)家系統。比常規的反饋控制更節約 能源.減少DO波動(dòng)，穩定進(jìn)水流速和出氣流速，具有較好的應用價(jià)值和前景。②基于模型的控制：在SBR中也占有重要的地位，自適應控制、MI— MO控制和非線(xiàn)性過(guò)程控制等均有所應用。因此根據采用控制技術(shù)的不同，智能控制策略也遵循類(lèi)似方法劃分。智能控制策略大體可分為3類(lèi)：①基于規則的控制策略。包括模糊控制和專(zhuān)家系統等;②基于模型的控制策略，諸如人工神經(jīng)網(wǎng)絡(luò )，主成分分 析(PCA)模型等;③混合智能控制策略。比如模糊技術(shù)與神經(jīng)網(wǎng)絡(luò )結合產(chǎn)生的模糊神經(jīng)控制策略。
2.基于規則的控制策略
基于規則的控制系統要求大量的先驗知識來(lái)支持，通過(guò)不斷的實(shí)踐總結，設計更為合理的控制規則有望進(jìn)一步提高控制效果。在采用了合理的控制 規則的前提下，建立針對該規則的匹配的控制策略，并應用于SBR控制系統中，才能最大限度的發(fā)揮控制規則的作用�？刂撇呗缘膬r(jià)值體現在把控制規則的潛力通過(guò)控制系統執行最大限度地發(fā)揮出來(lái)。而控制規則根據理論基礎的不同可以分為：模糊控制、專(zhuān)家系統等。
2.1模糊控制
在線(xiàn)模糊控制策略根據間接參數類(lèi)型可分為以下類(lèi)型：在線(xiàn)DO模糊控制策略、在線(xiàn)ORP和pH模糊控制策略。其中S.Y.Wang等[3]比較了3種運行模式：SBR短程工藝傳統控制模式、兩段交替好氧/厭氧SBR定時(shí)控制模式和兩段交替好氧/厭氧SBR實(shí)時(shí)控制模式處理大豆廢水的處理效 果與運行性能。此后采用類(lèi)似的控制思路。A．Traor6等E2]對SBR中試裝置反應過(guò)程的DO參數進(jìn)行模糊邏輯控制。采用3種方法進(jìn)行控制：開(kāi)／關(guān)控制、PID控制、模糊控制器�；陂_(kāi)／關(guān)控制和PID的控制策略很難適應SBR進(jìn)水水質(zhì)的變化及SBR系統的高度非線(xiàn)性特征，但是應用模糊控制器建立合理的模糊邏輯控制策略實(shí)現了對DO更穩定的控制。但是以上在線(xiàn)模糊控制系統魯棒性仍有待提高．易受參數信號噪音波動(dòng)的干擾。因此模糊控制策略需要加強其抗干擾能力和識別能力。
此后S．Marsili—Libelli等[]通過(guò)模糊類(lèi)型識別進(jìn)行SBR轉化的控制�？刂撇呗缘暮诵暮完P(guān)鍵在于引入了模糊聚類(lèi)技術(shù)，建立了合理的模糊干涉機制．從而成功地實(shí)現了根據簡(jiǎn)單的間接過(guò)程參數(ORP、DO、pH值)實(shí)現SBR的模糊控制。模糊干涉機制基本原理如下：過(guò)程數據(pH值、DO、ORP等)經(jīng)過(guò)微波除噪和微分處理之后，數據微分值進(jìn)入模糊聚類(lèi)模塊，該模塊首先應用一個(gè)邏輯算法的持續時(shí)間檢查器，來(lái)防止這個(gè)階段的過(guò)早結束或過(guò)分延長(cháng)�；谝惶自敿毜哪：\算法則，機制識別出實(shí)時(shí)階段(好氧或厭氧)，最終根據機制輸出的結果轉化變量執行硬性的開(kāi)關(guān)轉化命令。同時(shí)模糊運算法則能夠適應進(jìn)水波動(dòng)和生物量改變引起的過(guò)程變化，保持其識別能力。此外，Y．J．Kim等。開(kāi)發(fā)出基于規則的模糊干涉算法，以及基于模糊規則的控制策略．利用建立的模糊控制系統處理SBR工藝過(guò)程在線(xiàn)數據．并對SBR設備故障進(jìn)行診斷。該控制系統顯示出快速檢測和診斷各種錯誤的良好性能，同時(shí)使診斷出來(lái)的各種錯誤及時(shí)糾正成為可能。
2.2、專(zhuān)家系統
Brenner[提出一種利用電腦對SBR工藝過(guò)程進(jìn)行分析的專(zhuān)家系統．在該控制系統中對分散的難于分析的數據進(jìn)行存儲，組織以及利用高級圖表統計方法深入處理．最終得到一份可編輯的信息摘要。但是文中并沒(méi)有給出有關(guān)統計方法的詳細的提示信息。文中提出的專(zhuān)家系統所需的信息來(lái)源于經(jīng)驗和數學(xué)模型仿真模塊不斷更新的數據庫，導致該專(zhuān)家系統的結果不夠詳細和精確。另外文中還涉及到SBR工藝各種工況的數學(xué)建模與仿真，雖然還只是停留在理論研究階段，還沒(méi)有針對實(shí)際污水處理廠(chǎng)進(jìn)行反復試驗和推理驗證，但是這為今后專(zhuān)家系統的實(shí)際推廣和應用奠定了理論基礎。W．J．Ng等8j在Brenner[基礎上提出了結構類(lèi)似的專(zhuān)家系統。此專(zhuān)家系統比Gall等9開(kāi)發(fā)的知識庫專(zhuān)家系統性能更優(yōu)越，具體體現以下4個(gè)方面：嚴謹的理論知識基礎，利用數據統計分析技術(shù)考慮系統特異性，診斷和分析能力強，知識基礎和規則自動(dòng)更新及時(shí)追蹤系統最新動(dòng)態(tài)變化。對城市污水脫氮SBR在線(xiàn)控制系統進(jìn)行了研究．開(kāi)發(fā)了初步的專(zhuān)家智能控制系統，該控制系統能進(jìn)行全自動(dòng)運行來(lái)完成污水的脫氮除磷。該系統具備人工手動(dòng)或設定控制和基于檢測參數的全自動(dòng)控制。參數檢測間隔為1min，顯示實(shí)時(shí)過(guò)程參數曲線(xiàn)。數據通過(guò)濾波降噪等處理，專(zhuān)家系統對眾參數進(jìn)行分析和決策，并實(shí)時(shí)控制。系統通過(guò)建立信息處理和特征識別，神經(jīng)網(wǎng)絡(luò )，知識庫和推理機制來(lái)實(shí)現多參數控制變量的最后決策。
綜上所述．基于該專(zhuān)家系統的SBR控制策略在一定程度上都結合數學(xué)模型以及統計分析技術(shù)，由此可見(jiàn)數學(xué)建模與仿真對于SBR控制策略的建立有著(zhù)不可分割的聯(lián)系。
3、基于模型的控制策略
SBR系統屬于復雜的動(dòng)態(tài)工程系統，具有高度非線(xiàn)性特征。目前還無(wú)法建立起精確的數學(xué)模型來(lái)完整地描述。但是通過(guò)對SBR系統進(jìn)行簡(jiǎn)化可以建立相應的數學(xué)模型。建立的SBR數學(xué)模型按原理可分為3類(lèi)：機理模型、統計模型和混合模型。其中機理模型是依據SBR過(guò)程的質(zhì)量、能量及動(dòng)量守恒的原則，以及反應動(dòng)力學(xué)等原理為基礎建立SBR數學(xué)模型，屬“白箱模型”；統計模型是依據過(guò)程輸入、輸出數據。利用一定的統計方法對數據進(jìn)行分析來(lái)建立模型，屬“黑箱模型”；混合模型．把前兩種模型結合既利用過(guò)程機理又利用測試數據來(lái)建立模型，使其兩者優(yōu)勢互補。因此不同的數學(xué)模型衍生出不同的控制策略。
3.1、機理模型控制策略
早期的機理模型雖然參數求解和計算過(guò)程相對簡(jiǎn)單，但大多數為只考慮有機物去除的靜態(tài)模型，缺乏模擬SBR系統動(dòng)態(tài)特征的功能．也沒(méi)有模擬營(yíng)養物去除的功能，很難應用到實(shí)際中。因此這段時(shí)期采用數學(xué)模型的SBR控制策略研究和應用都比較罕見(jiàn)。直到1986年國際水質(zhì)協(xié)會(huì )(IAWQ)提出ASM1號模型_1．不僅推動(dòng)了SBR機理模型從靜態(tài)模型向動(dòng)態(tài)模型轉變，而且使基于數學(xué)模型的控制策略的應用變?yōu)榭赡堋?BR>隨著(zhù)ASM2、ASM2d、ASM3[12-13]模型的相繼推出，就不斷有研究人員將其應用到SBR控制策略中，利用數學(xué)模型的預測功能實(shí)現對SBR系統運行的優(yōu)化控制。雖然ASM模型并不是針對SBR工藝開(kāi)發(fā)的，但是ASM模型的提出為SBR數學(xué)模型的建立提供了強有力的支持，同時(shí)也一定程度上促進(jìn)了SBR控制策略的發(fā)展。
實(shí)際上ASM模型結構相對復雜，計算量大，響應時(shí)間長(cháng)，不利于實(shí)際應用。從而研究人員開(kāi)始嘗試從不需要獲取SBR系統過(guò)程中的詳細信息的黑箱模型人手，建立相應的SBR數學(xué)模型．其中最典型的就是神經(jīng)網(wǎng)絡(luò )模型。
3.2、神經(jīng)網(wǎng)絡(luò )控制策略
神經(jīng)網(wǎng)絡(luò )模型是統計模型(黑箱模型)中最常用的一種SBR數學(xué)模型。特別是人工神經(jīng)網(wǎng)絡(luò )模型(ANN模型)可以代替傳統數學(xué)模型完成由輸入到輸出空間的映射，直接根據對象的輸入、輸出數據進(jìn)行建模，需要的對象先驗知識較少，其較強的學(xué)習能力對模型校正非常有利人工神經(jīng)網(wǎng)絡(luò )不僅應用到傳統SBR工藝[14一t．同時(shí)也適用于SBR變型工藝ICEAS[16-i7]。其中，CohenA等_l4]采用結合進(jìn)化模糊神經(jīng)網(wǎng)絡(luò )(EFuNN)和邏輯決策單元的控制系統檢測和識別幾何特征點(diǎn)。此法具有快速學(xué)習功能，能在環(huán)境條件變化引起DO曲線(xiàn)幾何特征變化的情況下依然能檢測出幾何特征點(diǎn)。雖然基于以上兩種方法的控制系統是用于檢測好氧階段DO曲線(xiàn)變化點(diǎn)，但該系統同樣能擴展到檢測缺氧階段ORP曲線(xiàn)變化點(diǎn)。SungHunHong等C15]僅僅利用在線(xiàn)ORP、pH值、DO參數信息通過(guò)ANN模型對SBR系統中氨氮濃度、硝態(tài)氮濃度和正磷酸鹽濃度進(jìn)行預測。值得一提的是，該研究中通過(guò)采用多路主成分分析技術(shù)(MPCA)在一定程度上克服了ANN模型的外推問(wèn)題，這主要歸功于MPCA的檢測異常情況的能力。
Ruey—FangYu等N6]考察實(shí)時(shí)控制方式增強ICEAS系統的脫氮性能，利用ORP與pH曲線(xiàn)上可以指示硝化、反硝化過(guò)程的特征點(diǎn)作為實(shí)時(shí)控制過(guò)程中的重要控制點(diǎn)，控制策略描述如下：控制過(guò)程從為期2．5h的厭氧階段開(kāi)始，之后開(kāi)始好氧階段�？刂葡到y利用實(shí)時(shí)信息控制單元計算并檢測出折點(diǎn)A(指示硝化作用結束的特征點(diǎn))。同時(shí)，人工神經(jīng)網(wǎng)絡(luò )控制單元讀取所需的信息，預計出ORP和pH值的設定點(diǎn)及設定時(shí)間。然后定義出折點(diǎn)，并將此折點(diǎn)與人工神經(jīng)網(wǎng)絡(luò )控制單元預計出的設定點(diǎn)和設定時(shí)間進(jìn)行核對。如果探測出的折點(diǎn)處于設定點(diǎn)和設定時(shí)間允許的時(shí)間間隔之內，則此折點(diǎn)可以作為實(shí)時(shí)控制點(diǎn)�？刂瞥绦驅⑥D為缺氧階段。當停留時(shí)間超過(guò)設定時(shí)間的120％時(shí)，操作程序也將轉為缺氧階段。否則控制程序將返回去探測折點(diǎn)。從缺氧向沉淀階段的過(guò)渡與從厭氧向好氧階段的過(guò)渡遵循同樣的邏輯程序，當B點(diǎn)確定時(shí)，控制系統停止曝氣。之后分別進(jìn)行lh沉淀和30min排水。具體參見(jiàn)http://www.sharpedgetext.com更多相關(guān)技術(shù)文檔。
3．3主成分分析(PCA)控制策略
現在多元統計過(guò)程控制技術(shù)(MSPC)已經(jīng)廣泛應用于工業(yè)批次生產(chǎn)．其中應用最為廣泛的是主成分分析(PCA)技術(shù)、部分最小二乘(PLS)法、主元回歸(PCR)等。很多研究人員嘗試把PCA技術(shù)應用到SBR工藝中，建立相應的統計模型及控制策略。
DaeSungLee等Il8課題組提出一種結合自適應PCA技術(shù)和多模塊PCA兩種技術(shù)元素的監控算法，基于此算法的統計模型成功地應用于SBR小試的在線(xiàn)監控運行。之后該課題組又提出一種用于自適應污水處理過(guò)程監測的通用的PCA算法ll9]，這種算法不需像傳統MPCA模型那樣進(jìn)行預測估計，基于此算法的PCA模型具有監測性能與MPCA模型性能一致。ChangKyooYoo等針對MPCA技術(shù)要求所有批次長(cháng)度必須相等，測量變量必須正態(tài)分布，以及估計的當前批次的未來(lái)值必須允許在線(xiàn)監控的缺點(diǎn)，開(kāi)發(fā)出多路獨立成分分析技術(shù)(MICA)在線(xiàn)監測SBR工藝過(guò)程，優(yōu)化工藝周期運行。在此基礎上，此課題組嘗試利用MKPCA技術(shù)用于監測中試SBR的運行，在線(xiàn)監測結果顯示這種自適應和非線(xiàn)性監測模型具有較低的虛假警報率和很強的魯棒性_21]。隨后一種新型非線(xiàn)性批次監測技術(shù)多路核心主成分分析技術(shù)(MKPCA)出現并開(kāi)始應用于解決非線(xiàn)性問(wèn)題[22]。該研究在一定程度上有助于解決SBR系統的非線(xiàn)性特征帶來(lái)的建模難的問(wèn)題。
但是，PCA統計模型也存在過(guò)于復雜、計算量大、響應時(shí)間長(cháng)等與生俱來(lái)的缺陷。為了克服PCA統計模型和神經(jīng)網(wǎng)絡(luò )各自的不足和缺點(diǎn)．研究人員開(kāi)始把PCA技術(shù)和神經(jīng)網(wǎng)絡(luò )有機結合建立混合模型，達到互補的效果和作用�；舅悸啡缦拢和ㄟ^(guò)PCA技術(shù)對已有的數據矩陣進(jìn)行降維處理之后，再將其輸入到神經(jīng)網(wǎng)絡(luò )模型中。由于神經(jīng)網(wǎng)絡(luò )受到網(wǎng)絡(luò )結構復雜性和樣本復雜性的影響較大。易出現“過(guò)擬合”現象。且泛化能力較低。PCA技術(shù)不僅簡(jiǎn)化了神經(jīng)網(wǎng)絡(luò )模型的結構。提高了收斂速度和精度，縮短了神經(jīng)網(wǎng)絡(luò )的模擬時(shí)間，同時(shí)還減少神經(jīng)網(wǎng)絡(luò )過(guò)擬合現象，增強其泛化能力。
SungHunHong等采用ANN模型預測小試SBR出水氨氮、磷酸鹽和硝態(tài)氮濃度。作者將ANN模型一分為二分別對厭氧好氧條件系統進(jìn)行模擬．這有助于提高神經(jīng)網(wǎng)絡(luò )模型的性能。此外神經(jīng)網(wǎng)絡(luò )模型通過(guò)MPCA技術(shù)檢測運行異常情況的能力能在一定程度上克服神經(jīng)網(wǎng)絡(luò )模型存在的外推問(wèn)題。雖然主元分析神經(jīng)網(wǎng)絡(luò )(PCA—ANN)模型在污水處理數據分析和模擬仿真方面具有一定的優(yōu)勢。不過(guò)該模型對污水生物處理機理的研究不夠深入，缺乏定量的分析和完備的理論基礎支持，導致模型的結構復雜．訓練時(shí)間較長(cháng)。因此近年來(lái)人們開(kāi)始嘗試建立機理模型和神經(jīng)網(wǎng)絡(luò )模型結合的混合模型．這類(lèi)模型既能把握與系統性能相關(guān)的關(guān)鍵變量。簡(jiǎn)化了模型結構，又具有神經(jīng)網(wǎng)絡(luò )黑箱模型的優(yōu)點(diǎn)，極大地節省響應時(shí)間。
3.4混合模型控制策略
混合模型利用傳統數學(xué)模型機理方面的優(yōu)勢為統計模型(神經(jīng)網(wǎng)絡(luò )模型)提供系統的真實(shí)信息，避免大量無(wú)用的信息干擾統計模型的預測，從而節省模型的計算時(shí)間。HongZhao等提出由簡(jiǎn)化的代謝模型和人造神經(jīng)網(wǎng)絡(luò )組成的混合模型。該混合模型依賴(lài)于對輸出量的初步預測(比如出水磷濃度)，并且過(guò)程偏差通過(guò)一個(gè)“馴化的”神經(jīng)網(wǎng)絡(luò )得到修正．故此只需要對較少的參數進(jìn)行校正。之后該學(xué)者又提出了一種混合模型，該模型是將神經(jīng)網(wǎng)絡(luò )引入到ASM2簡(jiǎn)化模型中形成的，這種模型適合在線(xiàn)預測與控制．不需要頻繁校正，具有較強魯棒性。
此外．D．Zyngier等采用擴展Kalman過(guò)濾器(EKF)建立SBR混合模型，該模型在SBR機理簡(jiǎn)化模型的基礎上耦合了反饋神經(jīng)網(wǎng)絡(luò )模型，簡(jiǎn)化模型用來(lái)預測氨氮和硝態(tài)氮．反饋神經(jīng)網(wǎng)絡(luò )推斷有機物。該模型具有較強的魯棒性，即使模型與實(shí)際數據之間存在一定的偏差對模型預測性能影響也不大。
4、混合智能控制策略
人工神經(jīng)網(wǎng)絡(luò )、專(zhuān)家系統和模糊邏輯技術(shù)等智能控制方法本身都是新興學(xué)科，尚處在發(fā)展的初級階段，還未形成完整的理論體系，應該不斷跟蹤其發(fā)展并將其及時(shí)應用到污水生物處理系統中。綜合利用模糊控制、人工神經(jīng)網(wǎng)絡(luò )和專(zhuān)家系統等智能控制系統的優(yōu)點(diǎn)，克服它們各自的缺陷，以達到污水生物處理系統的高效穩定運行。
為了克服人工神經(jīng)網(wǎng)絡(luò )模型結構復雜、計算量大、響應時(shí)間長(cháng)的缺點(diǎn)．研究人員開(kāi)發(fā)出傳統的模糊一神經(jīng)網(wǎng)絡(luò )控制器[25]，該控制器整合了模糊控制和神經(jīng)網(wǎng)絡(luò )的優(yōu)點(diǎn)。除了人工神經(jīng)網(wǎng)絡(luò )(ANN)之外，采用模糊神經(jīng)網(wǎng)絡(luò )(FuNN)模塊檢測并識別DO曲線(xiàn)幾何特征點(diǎn)。DavideSottara等嘗試利用神經(jīng)網(wǎng)絡(luò )和模糊邏輯控制兩種智能技術(shù)聯(lián)合對中試SBR系統進(jìn)行控制。SBR工藝過(guò)程中的DO、ORP、pH值等控制參數信號經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò )處理之后再南模糊邏輯控制模塊進(jìn)一步分析和診斷，最終經(jīng)過(guò)控制決策單元作出系統優(yōu)化決策，實(shí)現SBR系統的自動(dòng)高效運行。
為了實(shí)現SBR工藝的實(shí)時(shí)在線(xiàn)控制，YangQZ等[28]開(kāi)發(fā)出一種智能控制系統，該智能系統結合了模糊邏輯控制和專(zhuān)家控制系統兩種技術(shù)。其中模糊邏輯控制單元用于追蹤控制參數的曲線(xiàn)變化，專(zhuān)家系統由基于規則推理和基于案例推理兩部分組成．用于對模糊邏輯控制單元的輸出結果進(jìn)行進(jìn)一步推理和診斷。結果顯示：此混合控制系統比單一控制系統更有效率，不僅能有效降低能耗，而且在保證出水水質(zhì)的前提下減少運行成本。
由于A(yíng)SM機理模型無(wú)法綜合考慮復雜的SBR系統的所有內部影響因素．特別是污泥沉淀性能和微生物群落結構變化等因素。因此，G．Sin等通過(guò)考察基于模型的脫氮除磷SBR系統優(yōu)化控制方法之后．提出把有價(jià)值的專(zhuān)家知識整合到SBR數學(xué)模型中．使專(zhuān)家系統和數學(xué)模型共同組成控制系統決策單元．有助于增強SBR控制系統的決策能力和優(yōu)化運行性能。此類(lèi)控制策略既可以利用前人的經(jīng)驗．又具有較強的自學(xué)習能力，能夠提高系統的適應性。因此．比較適用于污水處理這種高度非線(xiàn)性、滯后性、時(shí)變性的系統．應作為以后污水處理智能控制的主要研究方向。
5、展望
智能控制是實(shí)時(shí)控制發(fā)展的高級階段．智能控制策略是未來(lái)SBR實(shí)時(shí)控制的發(fā)展趨勢。它不僅能實(shí)現SBR污水處理工藝的優(yōu)化運行．而且能促進(jìn)SBR工藝的廣泛應用。雖然針對SBR工藝實(shí)時(shí)控制的研究已經(jīng)取得了明顯的進(jìn)展．但智能控制策略還停留在初級階段，這在一定程度上限制了實(shí)時(shí)控制技術(shù)在SBR實(shí)際污水處理廠(chǎng)的應用。
綜上所述，SBR工藝智能控制策略還存在很大的研究空間和發(fā)展潛力，具體可從以下幾個(gè)方面人手：
(1)比較現有智能控制技術(shù)控制策略的優(yōu)缺點(diǎn)，分析限制各控制技術(shù)實(shí)際應用的缺點(diǎn)．制定有針對性的改進(jìn)或改良方案，加強其實(shí)用性。
(2)綜合兩種甚至多種智能控制技術(shù)。開(kāi)發(fā)混合智能控制策略，使其兼有兩種智能控制技術(shù)的優(yōu)勢，揚長(cháng)避短，發(fā)揮出單一智能控制策略無(wú)法達到的優(yōu)勢。
(3)不斷跟蹤ICA技術(shù)的發(fā)展，發(fā)現適合SBR工藝特征的最新控制技術(shù)．開(kāi)發(fā)出與SBR工藝匹配的智能控制策略。
(4)加強SBR工藝過(guò)程機理知識的研究，通過(guò)深入了解SBR工藝過(guò)程狀態(tài)，結合智能控制技術(shù)建立穩定的智能控制策略，進(jìn)而開(kāi)發(fā)出魯棒性強的智能控制系統．促進(jìn)SBR工藝的進(jìn)一步推廣和應用。
