JP2002062927A - Waste water treatment process simulator - Google Patents
Waste water treatment process simulatorInfo
- Publication number
- JP2002062927A JP2002062927A JP2000250946A JP2000250946A JP2002062927A JP 2002062927 A JP2002062927 A JP 2002062927A JP 2000250946 A JP2000250946 A JP 2000250946A JP 2000250946 A JP2000250946 A JP 2000250946A JP 2002062927 A JP2002062927 A JP 2002062927A
- Authority
- JP
- Japan
- Prior art keywords
- treatment process
- optimization
- wastewater treatment
- water quality
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 141
- 238000004065 wastewater treatment Methods 0.000 title claims abstract description 59
- 238000005457 optimization Methods 0.000 claims abstract description 111
- 238000004364 calculation method Methods 0.000 claims abstract description 107
- 239000002351 wastewater Substances 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 98
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000003745 diagnosis Methods 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 9
- 238000004886 process control Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 41
- 238000013178 mathematical model Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 9
- 239000010865 sewage Substances 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013404 process transfer Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000010802 sludge Substances 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000002945 steepest descent method Methods 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【0001】[0001]
【発明が属する技術分野】本発明は、下水処理など排水
処理プロセスのシミュレータを応用した制御装置あるい
は運転支援装置に係る。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a control device or a driving support device to which a simulator for a wastewater treatment process such as sewage treatment is applied.
【0002】[0002]
【従来の技術】現在の浄水処理プロセス、下水処理プロ
セス、排水処理プロセスなどは、一般的に経験や知識を
持った操作員による状況の監視と判断によって運転管理
されている。このようなプラントでは操作員の果たす役
割が大きく、(1)省力化が困難、(2)ヒューマンエ
ラーが入り易い、(3)最適な運転条件である保証がな
い、などの問題がある。これらの問題に対する解決策の
一つとして、数理モデルに基づいたシミュレータを用い
た自動運転制御あるいは運転支援が提案されている。こ
こで言う数理モデルは、それぞれの処理水に含まれる物
質が微生物や酸化剤によって変化する状態を模擬した生
物・化学反応モデルと流入・流出による物質収支、場合
によっては数値流体解析も含めた物理モデルを同時に計
算するものを指している。このうち下水処理および排水
処理の生物反応モデルとしては、IAWQ(国際水質会議、
International Association on Water Quality)の提案
しているIAWQモデルがよく知られている。このIAWQモデ
ルを用いてプロセスを制御する方法としては、例えば特
開平10-235333号公報記載のものがある。この
技術は、IAWQモデルあるいはそれに準ずる数理モデルを
用いて下水処理場のシミュレーション及び制御を実施す
るもので、各槽の結合状態や入出力項目、制御方式など
を画面上で容易に設定できるようにしたものである。2. Description of the Related Art In general, current water purification processes, sewage treatment processes, waste water treatment processes and the like are operated and managed by operators who have experience and knowledge by monitoring and judging the situation. In such a plant, the role played by the operator is large, and there are problems such as (1) difficulty in labor saving, (2) human error is likely to occur, and (3) there is no guarantee that the operating conditions are optimal. As one of solutions to these problems, automatic driving control or driving support using a simulator based on a mathematical model has been proposed. The mathematical model referred to here is a biological / chemical reaction model that simulates the state in which the substance contained in each treated water is changed by microorganisms and oxidizing agents, and a material balance by inflow and outflow, and in some cases, physical Refers to those that calculate the model at the same time. Among them, IAWQ (International Conference on Water Quality,
The IAWQ model proposed by International Association on Water Quality is well known. As a method of controlling a process using the IAWQ model, for example, there is a method described in JP-A-10-235333. This technology simulates and controls the sewage treatment plant using an IAWQ model or a mathematical model equivalent to it, so that the connection status of each tank, input / output items, control method, etc. can be easily set on the screen. It was done.
【0003】実際の排水処理プロセスでは処理すべき流
入水の水質や条件が季節、水温によって変動するから、
排水処理プロセスを模擬した生物反応モデルにおいて
も、それに含まれる各種の定数(モデル定数)の値がそ
れぞれのプロセスあるいは季節、水温によって変動す
る。このため、上述した数理モデルに基づいたシミュレ
ータを適用する際には、モデル定数の値を、季節、水温
に応じて最適化する必要がある。従来は、各モデル定数
を最適化するために詳細な実験を実施する必要があっ
た。従って実験ノウハウが必要であり、実験データの解
析も複雑であった。このため現場の計算機システムに備
えられたプロセスシミュレータをオンラインで稼動する
ことは困難であった。In an actual wastewater treatment process, the quality and conditions of inflow water to be treated fluctuate depending on the season and water temperature.
Even in a biological reaction model simulating a wastewater treatment process, the values of various constants (model constants) included in the biological reaction model vary depending on each process, season, and water temperature. For this reason, when applying the simulator based on the mathematical model described above, it is necessary to optimize the value of the model constant according to the season and the water temperature. Conventionally, it was necessary to carry out a detailed experiment in order to optimize each model constant. Therefore, experimental know-how was required, and the analysis of experimental data was complicated. For this reason, it has been difficult to operate a process simulator provided in a computer system at a site online.
【0004】この解決策として、実験することなしに、
モデル定数の値をそれぞれの流入水水質(季節、水温)
に合せて適切に最適化する手法(最適化演算手法)が色
々と提案されている。例えば、第36回下水道研究発表
会講演集(平成11年度)P.475には、モンテカルロ
法を用いてモデル定数を最適化した結果が記載されてい
る。また、特開平5-253590号公報、特開平10-
235333号公報には、シンプレックス法を用いてモ
デル定数を最適化することが提案されている。As a solution to this, without experimentation,
The value of the model constant is calculated for each inflow water quality (season, water temperature)
Various techniques for optimizing appropriately (optimization calculation technique) have been proposed. For example, P.475 of the 36th Sewage Works Presentation Meeting (1999), describes the results of optimizing model constants using the Monte Carlo method. Also, JP-A-5-253590 and JP-A-10-253
235333 proposes optimizing model constants using a simplex method.
【0005】[0005]
【発明が解決しようとする課題】モンテカルロ法など総
当たり的にモデル定数を最適化する方法は、局所最小値
に落ち込まない点が長所である。しかし最適化するため
の計算量が多いため解が求まるまでに時間がかかり、さ
らに探索範囲あるいはモデル定数の個数を増加すると計
算量が飛躍的に増大する。例えば最適化するモデル定数
の個数が10個であるとすると、探索範囲を2倍にする
ことで計算量は2の10乗倍、すなわち1024倍にな
る。計算時間を短縮するためには探索範囲を狭めること
が考えられる。しかし、探索範囲を必要以上に狭くする
と、最適点がその範囲外に存在する可能性が高くなる。The method of optimizing the model constants on a brute force basis, such as the Monte Carlo method, has an advantage in that it does not fall to a local minimum. However, since the amount of calculation for optimization is large, it takes time until a solution is obtained, and when the search range or the number of model constants is further increased, the amount of calculation dramatically increases. For example, assuming that the number of model constants to be optimized is 10, doubling the search range increases the amount of calculation by a factor of 2 times, that is, 1024 times. To shorten the calculation time, it is conceivable to narrow the search range. However, if the search range is made narrower than necessary, the possibility that the optimum point exists outside the range increases.
【0006】これに対し、非線型計画法のシンプレック
ス法は直接最適解を求める手法の一つであり、総当たり
的手法に比して計算量が少なく、解が求まるまでの時間
が短い。しかし、局所平衡点があるとその点に向かって
収束し、最適解に収束しない可能性がある。[0006] On the other hand, the simplex method of the nonlinear programming is one of the methods for directly finding an optimal solution, and the amount of calculation is smaller than that of the brute force method, and the time until the solution is obtained is shorter. However, if there is a local equilibrium point, it may converge toward that point and may not converge to an optimal solution.
【0007】シンプレックス法以外で直接最適解に向か
って収束する代表的な手法として、最適レギュレータ
法、最急降下法およびニュートン法があげられる。いず
れもシンプレックス法より計算量が少なく、最適解を得
るまでの時間が短いが、安定性(計算の収束性)が若干
劣っていると特開平5-253590号公報に記載され
ている。[0007] As a typical method that directly converges toward an optimal solution other than the simplex method, there are an optimal regulator method, a steepest descent method, and a Newton method. In either case, the amount of calculation is smaller than that of the simplex method, and the time required to obtain an optimal solution is shorter, but the stability (convergence of calculation) is slightly inferior in JP-A-5-253590.
【0008】知識データベースに基づいたAI的手法やニ
ューラルネットワークを用いてモデル定数を最適化する
手法は、一度推論体系が完成されると最適解を得るため
の有効な手法となる。計算時間はシンプレックス法など
の手法より早いと考えられ、また過去のデータに基づい
ているので安定性も良好と考えられる。しかし、装置の
新規立ち上げ時やデータが充分に蓄積されるまでは推論
体系が不十分であり、一定の学習期間が必要となる。The method of optimizing model constants using an AI method based on a knowledge database or a neural network is an effective method for obtaining an optimal solution once the inference system is completed. The computation time is considered to be faster than methods such as the simplex method, and the stability is considered to be good because it is based on past data. However, the inference system is inadequate at the time of newly starting the apparatus or until data is sufficiently accumulated, and a certain learning period is required.
【0009】このようにモデル定数を最適化するのに用
いられる上記各手法には、それぞれ異なった特徴があ
る。代表的な特徴としては、計算時間の長短、精度の高
低、安定性があげられる。つまり、排水処理プロセスシ
ミュレータに上記各種の最適化手法のうちの一つしか装
備されていない場合、要求される条件、すなわち計算時
間や精度、安定性を満足できない可能性がある。場合に
よってはその手法では解が求まらない場合もありうる。[0009] Each of the above-mentioned techniques used for optimizing the model constant has different characteristics. Typical features are the length of calculation time, high and low accuracy, and stability. That is, when only one of the various optimization methods described above is provided in the wastewater treatment process simulator, the required conditions, that is, the calculation time, accuracy, and stability may not be satisfied. In some cases, a solution may not be obtained by that method.
【0010】本発明は上記背景を考慮してなされたもの
であり、排水処理プロセスのモデル定数の最適化を、要
求される(計算時間や精度、安定性の)条件に応じて実
施することを目的とする。The present invention has been made in view of the above background, and has been made to optimize a model constant of a wastewater treatment process in accordance with required conditions (calculation time, accuracy, and stability). Aim.
【0011】[0011]
【課題を解決するための手段】本発明では、上記の目的
を達成するために、まず、複数の種類の最適化演算手段
を選択可能に設けた。次いで、これら複数の最適化演算
手段の特徴を数値的に表現した。そして、与えられた選
択条件に対する前記複数の最適化演算手段の前記数値に
基づいて優先順位を決定する手段を設けた。According to the present invention, in order to achieve the above object, first, a plurality of types of optimization calculation means are provided so as to be selectable. Next, the features of the plurality of optimization calculation means were numerically expressed. Then, there is provided means for determining a priority order based on the numerical values of the plurality of optimization calculation means for given selection conditions.
【0012】すなわち、上記目的を達成する本発明の第
1の手段は、排水処理プロセスをモデル化し、排水の水
質因子とモデル定数を含む水質関数として格納する水質
関数格納部と、排水の水質因子の実測値を用いて前記モ
デル定数の値を最適化する最適化演算手段を備えたモデ
ル定数最適化手段と、を含んでなり、前記水質関数を用
いて排水処理プロセスをシミュレートする排水処理プロ
セスシミュレータにおいて、前記モデル定数最適化手段
は複数種類の最適化演算手段を備えていることと、与え
られた選択条件を基にして前記複数の最適化演算手段の
優先順位を決定する最適化手段優先順位決定手段を備え
たことと、を特徴とする。That is, a first means of the present invention for achieving the above object is to provide a water quality function storage unit for modeling a waste water treatment process and storing it as a water quality function including a water quality factor and a model constant of the waste water, And a model constant optimizing means having an optimization calculating means for optimizing the value of the model constant using actual measured values of the wastewater treatment process, wherein a wastewater treatment process is simulated using the water quality function. In the simulator, the model constant optimizing means includes a plurality of types of optimizing operation means, and an optimizing means priority determining means for deciding a priority order of the plurality of optimizing operation means based on a given selection condition. And a ranking determining means.
【0013】前記複数種類の最適化演算手段の一つは、
例えばモンテカルロ法などの総当り法とするのが望まし
い。One of the plurality of types of optimization calculation means is
For example, it is desirable to use a brute force method such as a Monte Carlo method.
【0014】また、複数の種類の最適化演算手段で求め
たモデル定数の値の妥当性を判断する計算結果判定手段
と、妥当な結果と妥当でない結果を同時に表示する最適
化結果表示手段を設けるようにしてもよい。Further, there are provided a calculation result judging means for judging the validity of the model constant value obtained by a plurality of types of optimization calculating means, and an optimization result displaying means for simultaneously displaying a valid result and an invalid result. You may do so.
【0015】最適化演算手段を選択するための選択条件
としては、例えば、最適化演算に要する時間の長短を規
定する。The selection condition for selecting the optimization operation means defines, for example, the length of time required for the optimization operation.
【0016】最適演算に際しては、水質因子の実測値を
用いるが、得られた実測値の数が少ない場合、モデル定
数最適化演算に必要な排水の水質因子の値を推定する状
態変数推定手段と、推定した排水の水質因子の値を表示
する推定水質因子表示手段を設けるのが望ましい。推定
した水質因子を、実際の排水処理プロセスの制御に用い
るようにしてもよい。At the time of the optimal calculation, the measured values of the water quality factors are used. If the number of the obtained measured values is small, the state variable estimating means for estimating the value of the water quality factor of the wastewater required for the model constant optimization calculation is provided. It is desirable to provide an estimated water quality factor display means for displaying the value of the estimated water quality factor of the wastewater. The estimated water quality factor may be used for controlling the actual wastewater treatment process.
【0017】さらに、一般的なモデル定数の値および過
去に最適化したモデル定数の値を記憶しているデータベ
ースを設けるとともに、前記モデル定数最適化手段を用
いて決定したモデル定数の値を前記データベースに記憶
されているモデル定数の値と比較し、論理的推論によっ
て理論的に妥当な範囲内にあるか否かを判断し、決定し
たモデル定数の値が理論的に妥当でなければ、水質因子
の測定機器が異常であると診断する機器異常診断手段を
設けてもよい。Further, a database storing values of general model constants and model constants optimized in the past is provided, and values of model constants determined using the model constant optimizing means are stored in the database. Is compared with the values of the model constants stored in, and it is judged by logical inference whether or not the values are within the theoretically valid range. A device abnormality diagnosis means for diagnosing that the measuring device is abnormal may be provided.
【0018】[0018]
【発明の実施の形態】以下、本発明の実施の形態を図面
を参照して説明する。Embodiments of the present invention will be described below with reference to the drawings.
【0019】図1に、本発明の第1の実施の形態である
排水処理プロセスシミュレータの構成の要部を示す。図
示の排水処理プロセスシミュレータ100は、最適化手
段優先順位決定手段101、最適化手段制御装置10
2、計算結果判定手段103、計算結果表示手段10
4、モデル定数最適化手段105、実測値入力部10
7、水質関数格納部108を含んで構成されている。FIG. 1 shows a main part of the configuration of a waste water treatment process simulator according to a first embodiment of the present invention. The illustrated wastewater treatment process simulator 100 includes an optimization means priority determination means 101, an optimization means control device 10
2, calculation result determination means 103, calculation result display means 10
4. Model constant optimizing means 105, measured value input unit 10
7. It is configured to include the water quality function storage unit 108.
【0020】本実施の形態は、モデル定数の最適化を行
う演算手法を複数用意しておき、最適化演算に対して要
求される条件に最も適した演算手法を自動的に選択して
最適化演算を実行させるものである。In this embodiment, a plurality of operation methods for optimizing the model constant are prepared, and the operation method most suitable for the condition required for the optimization operation is automatically selected for optimization. An operation is performed.
【0021】以下、本実施の形態の各構成要素について
説明する。Hereinafter, each component of the present embodiment will be described.
【0022】図1に示されたモデル定数最適化手段10
5は、モデル定数の最適化演算を行う最適化演算手段
(以下、最適化演算手法という)を複数備えている。本
実施の形態では、総当たり法とシンプレックス法および
ニュートン法が備えられている。総当たり法は計算時間
が多くかかるが安定性がよい。これに対してニュートン
法は計算時間が短いが、計算対象が非線型であると安定
性が不良となる場合がある。シンプレックス法は両者の
中間的な特徴を持つ。The model constant optimizing means 10 shown in FIG.
Reference numeral 5 includes a plurality of optimization calculation means (hereinafter referred to as an optimization calculation method) for performing a calculation for optimizing a model constant. In the present embodiment, a brute force method, a simplex method, and a Newton method are provided. The brute force method takes a lot of calculation time but has good stability. On the other hand, the calculation time of the Newton method is short, but if the calculation target is nonlinear, the stability may be poor. The simplex method has features intermediate between the two.
【0023】そのほかにも、モデル定数最適化手段10
5に利用できる最適化演算手法としては、例えば、遺伝
子アルゴリズム法、最適レギュレータ法、最急降下法、
モンテカルロ法などが採用可能であり、想定されるモデ
ル定数最適化の条件に応じて、各手法の特徴を考慮して
組み合わせればよい。モンテカルロ法に代表される総当
り法に対し、シンプレックス法、ニュートン法などは傾
斜法と呼ばれる。モデル定数最適化手段105に設けら
れる複数の最適化演算手法はそれぞれ異なる種類のもの
とするが、そのうちの一つは、総当り法とするのが望ま
しい。In addition, the model constant optimizing means 10
Examples of the optimization calculation method that can be used for the 5 include a genetic algorithm method, an optimal regulator method, a steepest descent method,
A Monte Carlo method or the like can be adopted, and the combination may be made in consideration of the characteristics of each method according to the assumed condition of model constant optimization. In contrast to the brute force method represented by the Monte Carlo method, the simplex method, Newton method, and the like are called gradient methods. The plurality of optimization calculation methods provided in the model constant optimization means 105 are of different types, and one of them is preferably a brute force method.
【0024】最適化手段優先順位決定手段101には、
モデル定数最適化手段105に関する選択条件121が
外部から手動あるいは自動で入力されるようになってい
る。この場合の選択条件121は、例えば優先して用い
る最適化演算手法、計算時間、安定性などである。計算
時間とは、最適化演算を開始してから演算結果が収束す
るまでに必要な計算時間とその入出力に関連した処理に
必要な時間である。計算時間は例えば1時間以内などと
定量的に与えることが望ましいが、本実施の形態では、
「短い」「長い」など定性的に与えられる。安定性は
「良い」「普通」「良くない」などのように定性的に与
えられる。最適化手段優先順位決定手段101は、上述
の選択条件121を取り込んで、モデル定数最適化手段
105に複数個備えている最適化演算手法に対する優先
順位109を判定し、その優先順位109を最適化手段
制御装置102に出力する。The optimizing means priority determining means 101 includes:
The selection condition 121 relating to the model constant optimizing means 105 is manually or automatically input from outside. The selection condition 121 in this case is, for example, an optimization calculation method used preferentially, a calculation time, stability, and the like. The calculation time is the calculation time required from the start of the optimization operation to the convergence of the operation result and the time required for processing related to input and output. The calculation time is desirably given quantitatively, for example, within one hour, but in the present embodiment,
It is qualitatively given as "short" or "long". Stability is qualitatively given as "good", "normal", "poor", and so on. The optimizing means priority determining means 101 fetches the above-mentioned selection conditions 121, determines the priorities 109 for the optimization calculation methods provided in the plurality of model constant optimizing means 105, and optimizes the priorities 109. Output to the means control device 102.
【0025】ここで、優先順位109を判定する方法を
簡単な一例で具体的に述べる。まず、選択条件121と
して計算時間と安定性が入力されるものとする。これら
の選択条件121は最適化手段優先順位決定手段101
に取り込まれ、まず計算時間指標tと安定性指標sに数
値化される。いずれの指標も無次元化されており、1か
ら10までの値をとる。計算時間指標tが1に近いほど
計算時間は短く、10に近いほど計算時間が長いことを
示す。安定性指標sは1に近いほど安定性が低く、10
に近いほど安定性が良いことを示す。例えば、選択条件
が「計算時間はできるだけ短く、安定性は普通程度でか
まわない」であれば、指標tの値に1、指標sの値に5
が入るような変換が施される。Here, a method of determining the priority order 109 will be specifically described with a simple example. First, it is assumed that the calculation time and the stability are input as the selection conditions 121. These selection conditions 121 are the optimization means priority order determination means 101
Are first quantified into a calculation time index t and a stability index s. Each index is dimensionless and takes a value from 1 to 10. The closer the calculation time index t is to 1, the shorter the calculation time, and the closer it is to 10, the longer the calculation time. The closer the stability index s is to 1, the lower the stability is.
It shows that stability is so good that it is close to. For example, if the selection condition is “the calculation time is as short as possible and the stability is about normal”, the value of the index t is 1 and the value of the index s is 5
Is applied.
【0026】この計算時間指標tと安定性指標sの値を
もとにして、図2に示すような折れ線関数を用いて総当
たり法、シンプレックス法、ニュートン法のそれぞれに
優先順位が付けられる。図2で、ftは時間評価関数、
fsは安定性評価関数である。かっこ内の数字はモデル
定数最適化手段105の最適化演算手法の別を表し、1
がニュートン法、2がシンプレックス法、3が総当たり
法に対応する。ftの値とfsの値との和を総評価関数J
とし、Jの値が大きいほど優先順位が高いと評価する。Based on the values of the calculation time index t and the stability index s, priorities are assigned to the brute force method, the simplex method, and the Newton method using a polygonal function as shown in FIG. In FIG. 2, ft is a time evaluation function,
fs is a stability evaluation function. The number in parentheses indicates the optimization calculation method of the model constant optimizing means 105.
Represents the Newton method, 2 represents the simplex method, and 3 represents the brute force method. The sum of the value of ft and the value of fs is calculated as the total evaluation function J
The higher the value of J, the higher the priority.
【0027】例えば、入力された選択条件が数値化さ
れ、(計算時間指標t、安定性指標s)=(1,1)となっ
たとする。図2に示した関数からft(1)=1、ft(2)=
0.5、ft(3)=0、fs(1)=1、fs(2)=0.5、fs(3)=
0となるので、それぞれの和から各手法についての総評
価関数Jを求める。 ft(1)+fs(1) =J(1)=2 ft(2)+fs(2) =J(2)=1 ft(3)+fs(3) =J(3)=0 この結果は、ニュートン法の優先順位が最も高く、シン
プレックス法が二番目で、総当たり法の順位が最も低い
ことを示す。数値化された選択条件で、計算時間指標t
が1、安定性指標sが1であることは、安定性が低くて
も良いから計算をすぐに完了したい場合に相当し、ニュ
ートン法を優先して用いることは、入力された選択条件
に照らして適切である。For example, it is assumed that the input selection conditions are digitized and (calculation time index t, stability index s) = (1, 1). From the function shown in FIG. 2, ft (1) = 1, ft (2) =
0.5, ft (3) = 0, fs (1) = 1, fs (2) = 0.5, fs (3) =
Since it becomes 0, the total evaluation function J for each method is obtained from each sum. ft (1) + fs (1) = J (1) = 2 ft (2) + fs (2) = J (2) = 1 ft (3) + fs (3) = J (3) = 0 The result is Newton The method has the highest priority, the simplex method has the second priority, and the brute force method has the lowest priority. The calculation time index t
The fact that the stability index s is 1 is equivalent to the case where the stability is low, and therefore the calculation should be completed immediately. Using the Newton's method with priority is based on the input selection conditions. And appropriate.
【0028】数値化された選択条件が(計算時間指標
t、安定性指標s)=(10,10)とすると、ft(1)=
0、ft(2)=0.5、ft(3)=1、fs(1)=0、fs(2)=0.
5、fs(3)=1となる。総評価関数Jは、次ぎのようにな
る。 ft(1)+fs(1) =J(1)=0 ft(2)+fs(2) =J(2)=1 ft(3)+fs(3) =J(3)=2 この結果は、総当たり法の優先順位が最も高く、次いで
シンプレックス法となり、ニュートン法の順位が最も低
いことを示す。計算時間指標tが10、安定性指標sが
10であることは、「計算時間が長くかかっても良いか
ら、安定して解を得たい」場合に相当し、総当たり法を
優先して用いることは適切である。If the numerical selection condition is (calculation time index t, stability index s) = (10, 10), ft (1) =
0, ft (2) = 0.5, ft (3) = 1, fs (1) = 0, fs (2) = 0.
5, fs (3) = 1. The total evaluation function J is as follows. ft (1) + fs (1) = J (1) = 0 ft (2) + fs (2) = J (2) = 1 ft (3) + fs (3) = J (3) = 2 This indicates that the win method has the highest priority, followed by the simplex method, and the Newton method has the lowest priority. The fact that the calculation time index t is 10 and the stability index s is 10 corresponds to the case where “the calculation time may be long, so that a stable solution is desired”, and the brute force method is used with priority. That is appropriate.
【0029】さらに数値化された選択条件が((計算時
間指標t、安定性指標s)=(10,1)とすると、上記と
同様にしてft(1)=0、ft(2)=0.5、ft(3)=1、fs
(1)=1、fs(2)=0.5、fs(3)=0となり、総評価関数
Jは、J(1)=1、J(2)=1、J(3)=1となる。これは、
「計算時間が長くても良く、かつ安定性が悪くてもかま
わない」といった制限の弱い条件に相当するため、どの
モデル定数最適化手段を用いても問題が無く、優劣付け
難い。このように総評価関数Jの値が等しくなる場合に
は選択条件121の修正をオペレータに要求するのが望
ましい。Assuming that the selection condition further quantified is ((calculation time index t, stability index s) = (10, 1), ft (1) = 0 and ft (2) = 0 in the same manner as described above. .5, ft (3) = 1, fs
(1) = 1, fs (2) = 0.5, fs (3) = 0, and the total evaluation function
J is J (1) = 1, J (2) = 1, and J (3) = 1. this is,
Since this corresponds to a condition with a weak restriction such as "the calculation time may be long and the stability may be poor", there is no problem using any model constant optimizing means, and it is difficult to determine the superiority or inferiority. When the values of the total evaluation functions J are equal, it is desirable to request the operator to correct the selection condition 121.
【0030】(計算時間指標t、安定性指標s)=(1,1
0)とすると、ft(1)=1、ft(2)=0.5、ft(3)=0、f
s(1)=0、fs(2)=0.5、fs(3)=1となるため、J(1)
=1、J(2)=1、J(3)=1となる。これは、「計算時間
は短く、安定性も良いモデル定数最適化手段を選択す
る」といった制限の厳しい場合に相当するため、要求さ
れる条件を満足できるモデル定数最適化手段を選べず優
劣付け難い。この場合も選択条件121の修正をオペレ
ータに要求するのが望ましい。(Calculation time index t, stability index s) = (1, 1)
0), ft (1) = 1, ft (2) = 0.5, ft (3) = 0, f
Since s (1) = 0, fs (2) = 0.5, and fs (3) = 1, J (1)
= 1, J (2) = 1, J (3) = 1. This corresponds to a strict restriction such as "select a model constant optimizing means having a short calculation time and good stability". . Also in this case, it is desirable to request the operator to correct the selection condition 121.
【0031】(計算時間指標t、安定性指標s)=(5,
5)とすると、ft(1)=0.5、ft(2)=1、ft(3)=0、f
s(1)=0、fs(2)=1、fs(3)=0.5となるのでJ(1)=
0.5、J(2)=2、J(3)=0.5となる。これは、シンプ
レックス法の優先順位が最も高く、次いでシンプレック
ス法と総当たり法が続くことを示す。計算時間指標tが
5、安定性指標sが5であることは、「計算時間はある
程度短く、かつある程度安定した解を得たい」場合に相
当し、シンプレックス法を優先して用いることは適切で
ある。(Calculation time index t, stability index s) = (5,
5), ft (1) = 0.5, ft (2) = 1, ft (3) = 0, f
Since s (1) = 0, fs (2) = 1 and fs (3) = 0.5, J (1) =
0.5, J (2) = 2, and J (3) = 0.5. This indicates that the simplex method has the highest priority, followed by the simplex method and the brute force method. The fact that the calculation time index t is 5 and the stability index s is 5 corresponds to the case where “the calculation time is short to some extent and a stable solution is desired”, and it is appropriate to preferentially use the simplex method. is there.
【0032】以上の例に挙げたように、最適化手段優先
順位決定手段101は、複数個備えている最適化演算手
法に対する優先順位109を判定し、判定結果を出力す
る。As described in the above example, the optimizing means priority determining means 101 determines the priorities 109 for a plurality of optimizing calculation methods, and outputs the determination result.
【0033】最適化手段制御装置102は最適化手段優
先順位決定手段101の出力側に接続されるとともに、
モデル定数最適化手段105と計算結果判定手段103
に接続されている。最適化手段制御装置102は複数個
の最適化演算手法を備えているモデル定数最適化手段1
05を、最適化手段優先順位決定手段101から入力さ
れた優先順位109に従って制御してモデル定数の最適
化演算を実施し、その最適化結果112の総和である最
適化結果一式110を計算結果判定手段103に出力す
る。The optimizing means control device 102 is connected to the output side of the optimizing means priority determining means 101,
Model constant optimizing means 105 and calculation result determining means 103
It is connected to the. The optimization means control device 102 is a model constant optimization means 1 having a plurality of optimization calculation methods.
05 is controlled in accordance with the priority order 109 input from the optimization means priority order determination means 101, the optimization operation of the model constants is performed, and the optimization result set 110 which is the sum of the optimization results 112 is determined as the calculation result. Output to means 103.
【0034】実測値入力部107は入力側を廃水処理プ
ロセス119に接続され、出力側をモデル定数最適化手
段105に接続されている。実測値入力部107は排水
処理プロセス119の水質因子のうち少なくとも溶解性
有機物濃度の実測値120を取り込み、場合によっては
測定誤差や測定ミスなどに関する加工・補正を実施して
補正済み実測値116を生成してモデル定数最適化手段
105に与える。The measured value input section 107 has an input side connected to the wastewater treatment process 119 and an output side connected to the model constant optimizing means 105. The actually measured value input unit 107 captures at least the actually measured value 120 of the soluble organic matter concentration among the water quality factors of the wastewater treatment process 119, and in some cases, performs processing / correction for a measurement error, a measurement error, and the like to obtain a corrected actual value 116. Generated and given to the model constant optimizing means 105.
【0035】モデル定数最適化手段105は、最適化手
段制御装置102、実測値入力部107、水質関数格納
部108に接続されている。モデル定数最適化手段10
5は、最適化手段制御装置102に制御されて、指示さ
れた最適化演算手法を用いて、水質関数格納部108か
ら入力された水質因子計算値118が、実測値入力部1
07から入力された補正済み実測値116に一致するよ
うモデル定数117を調整し、水質関数格納部108に
出力する。The model constant optimizing means 105 is connected to the optimizing means control device 102, the measured value input unit 107, and the water quality function storage unit 108. Model constant optimization means 10
5 is controlled by the optimization means control device 102, and the water quality factor calculation value 118 input from the water quality function storage unit 108 is converted into the actually measured value input unit 1 by using the specified optimization calculation method.
The model constant 117 is adjusted so as to coincide with the corrected actual measurement value 116 input from 07 and output to the water quality function storage unit 108.
【0036】水質関数格納部108はモデル定数最適化
手段105に接続され、モデル定数最適化手段105で
最適化するモデル定数の含まれる数理モデル(排水処理
プロセスを数式モデル化したもの)を備えている。水質
関数格納部108に備えられる数理モデルとしては、IA
WQが提案しているASM No.2が代表的であるが、これ以
外の数理モデルでも使用することができる。水質関数格
納部108はまず、備えられた数理モデルにより水質因
子計算値118を算出してモデル定数最適化手段105
に出力し、次いでモデル定数最適化手段105から与え
られたモデル定数117を取り込み、そのモデル定数1
17を用いて計算した水質因子計算値118をモデル定
数最適化手段105に出力する。The water quality function storage unit 108 is connected to the model constant optimizing unit 105 and includes a mathematical model (a mathematical model of the wastewater treatment process) including model constants to be optimized by the model constant optimizing unit 105. I have. The mathematical model provided in the water quality function storage unit 108 is IA
ASM No. 2 proposed by WQ is typical, but other mathematical models can also be used. The water quality function storage unit 108 first calculates the water quality factor calculation value 118 using the provided mathematical model, and
And then fetches the model constant 117 given from the model constant optimizing means 105, and outputs the model constant 1
The water quality factor calculation value 118 calculated using the calculation result 17 is output to the model constant optimization means 105.
【0037】計算結果判定手段103は入力側を最適化
手段制御装置102に接続され、出力側を最適化結果表
示手段104に接続されている。計算結果判定手段10
3は最適化手段制御装置102から出力された最適化結
果一式110をとりこみ、結果が妥当な値であるか否か
を判断してその最適化判定結果115を最適化結果表示
手段104に出力する。The calculation result judging means 103 has an input side connected to the optimizing means control device 102 and an output side connected to the optimizing result display means 104. Calculation result determination means 10
3 takes in the optimization result set 110 output from the optimization means control device 102, determines whether the result is a valid value, and outputs the optimization determination result 115 to the optimization result display means 104. .
【0038】妥当性の判断は、例えば次ぎのような方法
で行われる。 (1)最適化したモデル定数の値を、予め設定しておい
た上下限範囲と比較し、その範囲内であれば妥当である
とする。例えば、溶存酸素の飽和定数の値は理論的に0
以下にはならず、またある一定値以上にはなり得ない。
最適化したモデル定数の値がこの範囲内にあれば妥当で
あると判断する。 (2)最適化したモデル定数の値のうち、一部のモデル
定数を、予め設定した関連テーブルに基づいて比較す
る。モデル定数相互の関係が関連テーブルのルールに整
合していれば、得られたモデル定数は妥当であると判断
する。例えば、好気性微生物の増殖量は増殖速度と死滅
速度の差で求められる。溶存酸素の多い槽であれば、理
論的には増殖速度が死滅速度よりも大きい。最適化した
モデル定数の値がこの傾向を満たしていれば、モデル定
数は妥当であると判断する。The determination of validity is performed by the following method, for example. (1) The value of the optimized model constant is compared with a preset upper and lower limit range, and if the value is within the range, it is determined that the value is appropriate. For example, the value of the saturation constant of dissolved oxygen is theoretically 0.
It cannot be less than or equal to a certain value.
If the value of the optimized model constant is within this range, it is determined to be appropriate. (2) Among the optimized model constant values, some model constants are compared based on a preset association table. If the relationship between the model constants matches the rules of the association table, it is determined that the obtained model constant is valid. For example, the growth amount of an aerobic microorganism is determined by the difference between the growth rate and the death rate. In a tank with a large amount of dissolved oxygen, the growth rate is theoretically higher than the death rate. If the value of the optimized model constant satisfies this tendency, it is determined that the model constant is appropriate.
【0039】妥当性を判断した結果、最適化手段制御装
置102から出力された最適化結果一式110が妥当で
ない場合、計算結果判定手段103は最適化手段制御装
置102にその旨を通知する。この通知を受けた最適化
手段制御装置102は、次ぎの優先順位の最適化演算手
法により前述の手順で最適化演算を行わせ、得られた結
果を再び計算結果判定手段103に出力する。計算結果
判定手段103は前述の手順で、入力された最適化結果
一式110の妥当性を判断する。この手順が妥当な結果
が得られるまで、繰り返される。As a result of the determination on the validity, if the set of optimization results 110 output from the optimizing means control device 102 is not valid, the calculation result determining means 103 notifies the optimizing means control device 102 of that fact. Upon receiving this notification, the optimizing unit control device 102 causes the optimizing operation to be performed in the above-described procedure by the next priority optimizing operation method, and outputs the obtained result to the calculation result determining unit 103 again. The calculation result determination unit 103 determines the validity of the input optimization result set 110 in the above-described procedure. This procedure is repeated until a reasonable result is obtained.
【0040】なお、最適化手段制御装置102が、計算
結果判定手段103による妥当性判断を待つことなく、
優先順位の高い最適化演算手法を順に用いてモデル定数
の最適化演算を行わせるようにしてもよい。It should be noted that the optimizing means control device 102 does not wait for the validity judgment by the calculation result judging means 103,
The optimization calculation of the model constant may be performed by sequentially using the optimization calculation methods having the highest priority.
【0041】最適化結果表示手段104は入力側を計算
結果判定手段103に接続され、計算結果判定手段10
3から入力された最適化判定結果115及び最適化計算
に用いたモデル定数最適化手段(手法)を、操作員に分
かるように計装盤あるいはモニタ上に表示する。ここで
表示する内容は、最適化演算に用いた最適化演算手法名
および最適化演算の結果求められた妥当なモデル定数で
あるが、場合によってはそれぞれの最適化演算手法の性
能を比較するため、妥当でない結果も同時に表示するよ
うにしてもよい。The optimization result display means 104 is connected on the input side to the calculation result determination means 103, and the calculation result determination means 10
The optimization determination result 115 input from Step 3 and the model constant optimizing means (method) used in the optimization calculation are displayed on an instrument panel or a monitor so as to be understood by the operator. The contents displayed here are the name of the optimization operation method used for the optimization operation and the valid model constants obtained as a result of the optimization operation. However, in some cases, the performance of each optimization operation method is compared. Alternatively, an invalid result may be displayed at the same time.
【0042】本実施の形態によれば、指定された選択条
件に合致した最適化演算手法が選定され、選定された最
適化演算手法によりモデル定数の最適化演算が行われる
から、所望の計算時間、精度、安定性などの条件でモデ
ル定数の最適化を行うことが可能になる。また、最適化
演算の結果を、妥当でない結果を含めて表示することに
より、経験の少ない操作員が、最適化結果が妥当である
かどうかを学習し、判断することが可能になる。According to the present embodiment, the optimization calculation method that matches the specified selection condition is selected, and the optimization calculation of the model constant is performed by the selected optimization calculation method. It is possible to optimize the model constant under conditions such as accuracy, stability, and the like. In addition, by displaying the result of the optimization operation including an invalid result, an inexperienced operator can learn and judge whether or not the optimization result is appropriate.
【0043】本発明の第2の実施の形態を、図3を参照
して説明する。本実施の形態は、第1の実施の形態にお
けるモデル定数最適化手段105の最適化演算手法の一
つに、現代制御理論における最適レギュレータ法30を
用いたものである。最適レギュレータ法30による最適
化演算のフローを図3に示す。この手法を簡単に述べる
と、まず水質関数(数理モデル)の複数の水質因子に関
する微分行列Aと複数のモデル定数に関する微分行列Bと
を数値的に生成する。微分行列AとBの値から適切な状態
フィードバック行列Fを求め、モデル定数の値を逐次的
に調整して最適化する。状態フィードバック行列Fは、
適度な安定性と収束速度を持つゲインQとRを与えたリカ
ッチ型行列方程式を解いて求める。A second embodiment of the present invention will be described with reference to FIG. In this embodiment, the optimal regulator method 30 in modern control theory is used as one of the optimization calculation methods of the model constant optimizing means 105 in the first embodiment. FIG. 3 shows a flow of the optimization calculation by the optimum regulator method 30. Briefly describing this method, first, a differential matrix A relating to a plurality of water quality factors of a water quality function (mathematical model) and a differential matrix B relating to a plurality of model constants are numerically generated. An appropriate state feedback matrix F is obtained from the values of the differential matrices A and B, and the values of the model constants are sequentially adjusted for optimization. The state feedback matrix F is
It is obtained by solving the Riccati matrix equation given the gains Q and R with moderate stability and convergence speed.
【0044】本実施の形態の排水処理プロセスシミュレ
ータを用いて実際に最適化計算を実施した。計算の対象
は、2槽の嫌気槽R1,R2、2槽の無酸素槽R3,R
4、および4槽の好気槽R5〜R8からなる、実下水を
処理する小型実験装置である。この装置のフローを図4
に示す。各槽の容量は27Lである。好気槽R5〜R8
は、その底部から空気の泡が吹き出されて処理水中を上
昇するように構成され、最下流の好気槽R8の出側には
沈澱池が接続されている。沈澱池の沈澱汚泥の一部は返
送汚泥として嫌気槽R1に循環されるようになってい
る。また、好気槽R8からは、被処理水の一部が循環液
として無酸素槽R3に循環されるようになっている。The optimization calculation was actually performed using the waste water treatment process simulator of the present embodiment. The target of calculation is two anaerobic tanks R1 and R2 and two anaerobic tanks R3 and R
This is a small experimental apparatus for treating actual sewage, comprising four and four aerobic tanks R5 to R8. Fig. 4 shows the flow of this device.
Shown in The capacity of each tank is 27L. Aerobic tanks R5 to R8
Is configured so that bubbles of air are blown out from the bottom thereof and rise in the treated water, and a settling pond is connected to the outlet side of the most downstream aerobic tank R8. Part of the settling sludge in the settling basin is circulated to the anaerobic tank R1 as returned sludge. Further, a part of the water to be treated is circulated from the aerobic tank R8 to the anoxic tank R3 as a circulating liquid.
【0045】図示の装置において、被処理水は、まず嫌
気槽R1に導入され、嫌気槽R1から好気槽R8に向か
って順に各槽を通過する。被処理水は、各槽を通過しつ
つ浄化処理され、好気槽R8から沈澱池へ導かれる。沈
澱池で汚泥が分離されたあと、被処理水が排出される。In the illustrated apparatus, the water to be treated is first introduced into the anaerobic tank R1, and passes through each tank in order from the anaerobic tank R1 to the aerobic tank R8. The water to be treated is purified while passing through each tank, and is guided from the aerobic tank R8 to the sedimentation basin. After the sludge is separated in the settling basin, the water to be treated is discharged.
【0046】上記構成の装置の数理モデルにつき、各槽
別々にモデル定数の最適化を実施した。モデル定数を最
適化したのち、シミュレーションにより得られた水質の
うち、アンモニア性窒素に関する結果を、モデル定数最
適化前のシミュレーションで得られた値および目標値
(実測値)と対比して図5に示す。横軸は槽の番号であ
る。モデル定数最適化前の計算値は、他の下水処理場で
最適化したモデル定数を用いて求めた。この図のよう
に、最適化前の計算値は大きく目標値からずれている
が、最適レギュレータ法30によってモデル定数を最適
化した結果、シミュレーションで得られた水質計算値
は、目標値にほぼ一致している。With respect to the mathematical model of the apparatus having the above-described configuration, optimization of model constants was separately performed for each tank. After optimizing the model constants, the results regarding ammonia nitrogen in the water quality obtained by the simulation are compared with the values obtained by the simulation before the optimization of the model constants and the target values (actually measured values) in FIG. Show. The horizontal axis is the tank number. The calculated values before optimization of model constants were obtained using model constants optimized in other sewage treatment plants. As shown in this figure, the calculated value before optimization largely deviates from the target value. However, as a result of optimizing the model constants by the optimal regulator method 30, the calculated water quality value obtained by simulation is almost equal to the target value. I do.
【0047】本実施の形態の最適レギュレータ法は、微
分勾配に基づいて最適解を直接的に求める方法なので、
モデル定数の最適化に要する時間が短い。また、最適レ
ギュレータ法は、リカッチ型行列方程式で与えるゲイン
を変更することにより、安定性の面でニュートン法より
も良好な結果が得られる。参考に、図2に、最適レギュ
レータ法30の時間評価関数ft、安定性評価関数fs
を、破線で示した。The optimal regulator method of the present embodiment is a method for directly finding an optimal solution based on a differential gradient.
The time required to optimize the model constants is short. The optimal regulator method can obtain better results than the Newton method in terms of stability by changing the gain given by the Riccati matrix equation. For reference, FIG. 2 shows a time evaluation function ft and a stability evaluation function fs of the optimal regulator method 30.
Is indicated by a broken line.
【0048】次ぎに図6を参照して本発明の第3の実施
の形態を説明する。本実施の形態が図1に示す実施の形
態と異なるのは、実測値入力部107に接続して状態変
数推定手段41が設けられ、この状態変数推定手段41
の出力側に接続して推定水質因子表示手段42が設けら
れている点である。他の構成は前期第1の実施の形態と
同じなので、同一の構成に同じ符号を付して説明を省略
する。状態変数推定手段41は、補正済み実測値116
をとりこみ、実測されていない水質因子のうち推定可能
な項目の値を推定する機能を持ち、推定した結果は推定
水質因子表示手段42によって計装盤あるいはモニタ上
に表示される。Next, a third embodiment of the present invention will be described with reference to FIG. The present embodiment is different from the embodiment shown in FIG. 1 in that a state variable estimating unit 41 is provided connected to the actual measurement value input unit 107.
In that an estimated water quality factor display means 42 is provided in connection with the output side. The other configuration is the same as that of the first embodiment, and the same configuration is denoted by the same reference numeral and the description is omitted. The state variable estimating means 41 calculates the corrected actual measurement value 116.
And has a function of estimating the value of an item that can be estimated among water quality factors that have not been actually measured, and the estimated result is displayed on an instrument panel or a monitor by the estimated water quality factor display means 42.
【0049】現実の排水処理プロセスでは、IAWQ ASM N
o.2のような下水処理微生物反応モデル(数理モデル)
に含まれる水質因子の全てが下水処理場で測定される場
合は少なく、一部の水質因子の実測値しか与えられない
場合が多い。その結果、最適レギュレータ法30その他
の最適化演算手法を用いてモデル定数の最適化を行う場
合に支障をきたす可能性がある。状態変数推定手段41
は補正済み実測値116をとりこみ、測定されていない
水質因子のうち推定可能な項目の値を推定する。推定し
た結果(水質因子推定値43)は推定水質因子表示手段
42によって計装盤あるいはモニタ上に表示される。推
定値と補正済み実測値一式40はともにモデル定数最適
化手段105にとりこまれ、最適化演算に用いられる。In an actual wastewater treatment process, IAWQ ASM N
o.2 Sewage treatment microbial reaction model (mathematical model)
It is rare that all of the water quality factors included in the water quality are measured at the sewage treatment plant, and in many cases, only actual measured values of some water quality factors are given. As a result, there is a possibility that a problem will occur when the model constants are optimized using the optimal regulator method 30 or other optimization calculation methods. State variable estimating means 41
Takes the corrected actual measurement value 116 and estimates the value of an estimable item among the unmeasured water quality factors. The estimated result (water quality factor estimation value 43) is displayed on the instrument panel or monitor by the estimated water quality factor display means 42. Both the estimated value and the corrected actual measurement value set 40 are taken into the model constant optimizing means 105 and used for the optimization calculation.
【0050】操作員が推定水質因子表示手段42を介し
て状態変数推定手段41の推定結果を確認し、水質因子
推定値43が妥当でない場合には最適化計算に使用しな
いように設定可能とする。水質因子推定値43が妥当で
あるかどうかは、先に述べたモデル定数の妥当性判断の
場合と同じように、水質因子の上下限値や水質因子相互
間の関連に基づいて判断してもよいし、また、モデル定
数の実測値の組合せに対して推定値が妥当かどうかを検
証して判断してもよい。なお、推定値が妥当でないと判
断された場合は、推定値を使用せず、以前に使用した推
定値を用いるのが望ましい。The operator confirms the estimation result of the state variable estimating means 41 via the estimated water quality factor displaying means 42, and if the estimated value of the water quality factor 43 is not appropriate, it can be set so as not to be used for the optimization calculation. . Whether or not the water quality factor estimation value 43 is appropriate can be determined based on the upper and lower limits of the water quality factor and the relationship between the water quality factors, as in the case of the validity determination of the model constant described above. Alternatively, the determination may be made by verifying whether the estimated value is appropriate for the combination of the actually measured values of the model constants. When it is determined that the estimated value is not appropriate, it is desirable to use the previously used estimated value without using the estimated value.
【0051】本実施の形態によれば、前記第1の実施の
形態による効果に加え、モデル定数最適化に必要な水質
因子のうち測定されていないものがあっても、モデル定
数の最適化の際に与える水質条件を見かけ上増やすこと
ができ、最適化演算の安定性と信頼性を向上させる効果
がある。また、推定した水質因子の値が表示されるた
め、推定された水質因子の値を操作員が確認することが
できる。したがって、推定した水質因子の値が操作員の
想定する範囲外である場合、該当する水質因子の値を、
モデル定数の最適化演算に使用しないように指示できる
から、水質因子の誤った推定値を用いることで演算が望
ましくない方向へ進むことが防がれる。According to the present embodiment, in addition to the effects of the first embodiment, even if some of the water quality factors required for the optimization of the model constants are not measured, the optimization of the model constants is performed. In this case, it is possible to increase apparently the water quality conditions to be given, which has the effect of improving the stability and reliability of the optimization calculation. Further, since the value of the estimated water quality factor is displayed, the operator can confirm the value of the estimated water quality factor. Therefore, when the value of the estimated water quality factor is out of the range assumed by the operator, the value of the corresponding water quality factor is
Since it can be instructed not to use for the model constant optimization calculation, the use of an incorrect estimation value of the water quality factor prevents the calculation from proceeding in an undesirable direction.
【0052】本発明の第4の実施の形態を図7を参照し
て説明する。本実施の形態が前記第3の実施の形態と相
違するのは、排水処理プロセス119を制御するプロセ
ス制御手段50の入力側に、実測値入力部107から出
力される水質因子推定値と補正済み実測値一式40が、
入力されるように構成されている点である。他の構成は
前記第3の実施の形態と同じであるので、同一の符号を
付して説明を省略する。A fourth embodiment of the present invention will be described with reference to FIG. This embodiment is different from the third embodiment in that the estimated value of the water quality factor output from the measured value input unit 107 is corrected on the input side of the process control unit 50 for controlling the wastewater treatment process 119. The set of measured values 40 is
The point is that it is configured to be input. The other configuration is the same as that of the third embodiment, and the same reference numerals are given and the description is omitted.
【0053】第3の実施の形態で述べたように、下水処
理微生物反応モデルに含まれる水質因子の全てが測定さ
れる場合は少なく、一部の水質因子の実測値しか与えら
れない場合が多い。その結果、この排水処理プロセスシ
ミュレータ100を制御に用いるためには不足している
実測値を推測する必要が出てくる場合がある。そこで、
状態変数推定手段41を排水処理プロセスシミュレータ
に組み込み、この状態変数推定手段41に補正済み実測
値116をとりこんで測定されていない水質因子のうち
推定可能な項目の値を推定する。推定された水質因子推
定値43は推定水質因子表示手段42によって計装盤あ
るいはモニタ上に表示されるとともに、水質因子推定値
と補正済み実測値一式40はモデル定数最適化手段10
5にとりこまれ、最適化計算のために用いられる。本実
施の形態では、水質因子推定値と補正済み実測値一式4
0は同時に排水処理プロセス119を制御するプロセス
制御手段50に出力される。操作員が推定水質因子表示
手段42を介してその結果を確認し、水質因子推定値4
3が妥当でない場合には、モデル定数の最適化演算ある
いは制御に使用しないように設定可能とするのが望まし
い。As described in the third embodiment, there are few cases where all the water quality factors included in the sewage treatment microbial reaction model are measured, and in many cases only actual values of some water quality factors are given. . As a result, in order to use the wastewater treatment process simulator 100 for control, it may be necessary to estimate a deficient measured value. Therefore,
The state variable estimating means 41 is incorporated in the wastewater treatment process simulator, and the state variable estimating means 41 takes in the corrected actual measurement value 116 to estimate the value of an estimable item among the water quality factors not measured. The estimated water quality factor estimation value 43 is displayed on the instrument panel or monitor by the estimated water quality factor display means 42, and the estimated water quality factor value and the corrected actual measurement set 40 are stored in the model constant optimization means 10
5 and used for optimization calculations. In the present embodiment, the water quality factor estimation value and the corrected actual measurement value set 4
0 is simultaneously output to the process control means 50 for controlling the wastewater treatment process 119. The operator confirms the result through the estimated water quality factor display means 42, and obtains the estimated water quality factor 4
If 3 is not appropriate, it is desirable that it can be set so that it is not used for optimization calculation or control of model constants.
【0054】本実施の形態によれば、前記第3の実施の
形態における効果に加え、計測機器が不充分な施設であ
っても見かけ上の実測値を増やすことができ、より適切
な制御が可能になるという効果がある。According to the present embodiment, in addition to the effects of the third embodiment, even in a facility with insufficient measuring equipment, the apparent measured value can be increased, and more appropriate control can be performed. There is an effect that it becomes possible.
【0055】本発明の第5の実施の形態を図8を参照し
て説明する。本実施の形態が前記第1の実施の形態と異
なるのは、計算結果判定手段103に代えて計算結果判
定手段103に機器異常診断機能を付加した計算結果判
定手段103Aを設け、計算結果判定手段103Aに接
続してデータベース60、および機器異常診断結果表示
手段62を設けた点である。他の構成は第1の実施の形
態と同じであるので同一の符号を付して説明を省略す
る。A fifth embodiment of the present invention will be described with reference to FIG. This embodiment is different from the first embodiment in that a calculation result determination unit 103A is provided in place of the calculation result determination unit 103, and a device abnormality diagnosis function is added to the calculation result determination unit 103. The difference is that a database 60 and a device abnormality diagnosis result display means 62 are provided in connection with 103A. The other configuration is the same as that of the first embodiment, so the same reference numerals are given and the description is omitted.
【0056】データベース60は、一般的なモデル定数
の値および過去の最適化演算で得られたモデル定数の値
を格納している。計算結果判定手段103Aの機器異常
診断機能は、データベース60に蓄積された過去のデー
タ61と最適化演算で得られたモデル定数の値を比較
し、論理的推論により、前記最適化演算で得られたモデ
ル定数(最適化結果一式110)が予測される範囲内に
あるか、あるいはモデル定数の値の組み合わせが正常運
転時には起こり得る組合せかを評価する。その結果、最
適化したモデル定数の値が予測される範囲外であれば、
あるいはモデル定数の値の組み合わせが正常運転時には
起こり得ない状態であれば、水質を測定する測定機器あ
るいは被処理水に空気を吹き込むブロワなどの機器が異
常であると判定する。計算結果判定手段103Aの機器
異常診断機能の判定結果は、異常診断結果63として機
器異常診断結果表示手段62にとりこまれ、ある機器が
機器異常と判断された場合、その機器の名称が計装盤あ
るいはモニタに、異常機器として表示される。The database 60 stores general model constant values and model constant values obtained by past optimization calculations. The device abnormality diagnosis function of the calculation result determination means 103A compares the past data 61 stored in the database 60 with the value of the model constant obtained by the optimization operation, and obtains the value obtained by the optimization operation by logical inference. It is evaluated whether the model constant (the set of optimization results 110) is within a predicted range, or whether the combination of values of the model constant is a possible combination during normal operation. As a result, if the value of the optimized model constant is outside the predicted range,
Alternatively, if the combination of the values of the model constants cannot occur during normal operation, it is determined that a device such as a measuring device for measuring water quality or a blower that blows air into the water to be treated is abnormal. The determination result of the device abnormality diagnosis function of the calculation result determination unit 103A is incorporated into the device abnormality diagnosis result display unit 62 as the abnormality diagnosis result 63. If a device is determined to be abnormal, the name of the device is changed to the instrument panel. Alternatively, it is displayed on the monitor as an abnormal device.
【0057】本実施の形態によれば、それぞれの機器に
異常検出のための検出器を備えなくても、機器の異常診
断が可能になる。また、それぞれのモデル定数が取り得
る上下限の値の他に、複数の相関するモデル定数値の比
率や組合せについても、モデル定数の許容範囲として設
定できるから、機器の異常診断を詳細かつ適切な条件に
基づいて行うことが可能になる。According to the present embodiment, even if each device does not have a detector for detecting an abnormality, it is possible to diagnose the abnormality of the device. In addition to the upper and lower limit values that can be taken by each model constant, the ratio and combination of a plurality of correlated model constant values can also be set as the allowable range of the model constant, so that the device abnormality diagnosis can be performed in a detailed and appropriate manner. This can be performed based on conditions.
【0058】本発明の第6の実施の形態を図9を参照し
て説明する。本実施の形態が前記第1の実施の形態と異
なるのは、出力側を水質関数格納部108および実測値
入力部107に接続した標準入力生成手段80と、水質
関数格納部108に入力側を接続した伝達関数推定手段
81と、伝達関数推定手段81に入力側を接続したPI
Dゲイン決定手段82と、を設け、PIDゲイン決定手
段82の出力側を排水処理プロセス119を制御するプ
ロセス制御手段50に接続した点である。他の構成は第
1の実施の形態と同じであるので、同一の符号を付して
説明を省略する。A sixth embodiment of the present invention will be described with reference to FIG. This embodiment is different from the first embodiment in that a standard input generation unit 80 whose output side is connected to a water quality function storage unit 108 and an actual measurement value input unit 107, and an input side is connected to the water quality function storage unit 108. Transfer function estimating means 81 connected, and PI connecting input side to transfer function estimating means 81
D gain determining means 82 is provided, and the output side of the PID gain determining means 82 is connected to the process control means 50 for controlling the wastewater treatment process 119. The other configuration is the same as that of the first embodiment, and thus the same reference numerals are given and the description is omitted.
【0059】標準入力生成手段80で生成されたパルス
入力あるいはステップ入力あるいはランプ入力あるいは
それらの複数の組合せなどの標準入力83は水質関数格
納部108に入力される。この標準入力は、被処理水の
水質データと排水処理プロセス119を制御するための
制御データである。水質関数格納部108ではそれらの
標準入力83に対応する応答出力(水質因子計算値)8
4を伝達関数推定手段81に出力する。伝達関数推定手
段81では、標準入力83とそれに対する応答出力84
から、排水処理プロセス119の伝達関数を推定する。
推定された推定プロセス伝達関数85は、PIDゲイン
決定手段82に入力される。PIDゲイン決定手段82
は、入力された推定プロセス伝達関数85に基づいて、
安定でかつ即応性のある適切なPIDゲイン86を計算
し、プロセス制御手段50に出力する。プロセス制御手
段50ではPIDゲイン86に基づいて制御機器のゲイ
ンを設定し、制御量87を排水処理プロセス119に与
える。なお、ここではPID制御を想定しているが、
P,I,Dいずれかの制御要素を備えた制御系であれば
同様にして適切なゲインを与えることができる。The standard input 83 such as a pulse input, a step input, a ramp input, or a combination of a plurality of them generated by the standard input generating means 80 is input to the water quality function storage unit 108. The standard input is control data for controlling the quality data of the water to be treated and the wastewater treatment process 119. The water quality function storage unit 108 has a response output (water quality factor calculation value) 8 corresponding to the standard input 83.
4 is output to the transfer function estimating means 81. The transfer function estimating means 81 includes a standard input 83 and a response output 84 corresponding thereto.
, The transfer function of the wastewater treatment process 119 is estimated.
The estimated process transfer function 85 is input to the PID gain determining means 82. PID gain determining means 82
Is based on the input estimated process transfer function 85,
An appropriate stable and responsive PID gain 86 is calculated and output to the process control means 50. The process control means 50 sets the gain of the control device based on the PID gain 86, and gives the control amount 87 to the wastewater treatment process 119. Here, PID control is assumed,
If the control system includes any of P, I, and D control elements, an appropriate gain can be similarly provided.
【0060】本実施の形態によれば、PID制御を行う
制御装置の制御ゲインを、短時間で、適切な値に設定で
きる。According to the present embodiment, the control gain of the control device for performing the PID control can be set to an appropriate value in a short time.
【0061】なお、前記各実施の形態は、いずれもその
いくつかを互いに組み合わせた構成としても本発明の目
的を達成するものであることは云うまでもない。Needless to say, each of the above embodiments achieves the object of the present invention even when some of them are combined with each other.
【0062】[0062]
【発明の効果】以上説明したように、本発明によれば、
排水処理プロセスの数理モデルのモデル定数の値を最適
化するに際し、各選択条件に応じて適切に選択した最適
化手段によって最適化することができる。したがって、
実際の排水処理作業において要求される条件、つまり、
精度を多少犠牲にしても早く処理を開始したい、あるい
は時間に余裕があるからできるだけ目標に近い水質にな
るように制御したいなどの条件に対応した排水処理が可
能になる。As described above, according to the present invention,
In optimizing the value of the model constant of the mathematical model of the wastewater treatment process, the value can be optimized by an optimizing means appropriately selected according to each selection condition. Therefore,
Conditions required in actual wastewater treatment work, that is,
Even if the accuracy is sacrificed to some extent, it is possible to perform the wastewater treatment corresponding to conditions such as starting the treatment early or controlling the water quality as close to the target as possible because there is enough time.
【図1】本発明の第1の実施の形態に係る排水処理プロ
セスシミュレータの機能構成を示すブロック図である。FIG. 1 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a first embodiment of the present invention.
【図2】本発明の第1の実施の形態における優先順位を
計算するための関数の一例を示すグラフである。FIG. 2 is a graph showing an example of a function for calculating a priority according to the first embodiment of the present invention.
【図3】本発明の第3の実施の形態に係るモデル定数最
適化演算の手順を示すフロー図である。FIG. 3 is a flowchart showing a procedure of a model constant optimization operation according to a third embodiment of the present invention.
【図4】本発明の第3の実施の形態に係るよるモデル定
数最適化計算対象実験装置の概略構成を示す系統図であ
る。FIG. 4 is a system diagram illustrating a schematic configuration of a model constant optimization calculation target experimental device according to a third embodiment of the present invention.
【図5】本発明の第3の実施の形態によるモデル定数最
適化演算を行った場合の水質を目標値およびモデル定数
最適化前の数理モデルによる計算の水質に比較して示す
グラフである。FIG. 5 is a graph showing water quality in a case where a model constant optimization calculation according to a third embodiment of the present invention is performed, in comparison with a target value and a water quality calculated by a mathematical model before the model constant optimization.
【図6】本発明の第4の実施の形態に係る排水処理プロ
セスシミュレータの機能構成を示すブロック図である。FIG. 6 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a fourth embodiment of the present invention.
【図7】本発明の第5の実施の形態に係る排水処理プロ
セスシミュレータの機能構成を示すブロック図である。FIG. 7 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a fifth embodiment of the present invention.
【図8】本発明の第6の実施の形態に係る排水処理プロ
セスシミュレータの機能構成を示すブロック図である。FIG. 8 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a sixth embodiment of the present invention.
【図9】本発明の第7の実施の形態に係る排水処理プロ
セスシミュレータの機能構成を示すブロック図である。FIG. 9 is a block diagram showing a functional configuration of a wastewater treatment process simulator according to a seventh embodiment of the present invention.
40 推定値と補正済み実測値一式 41 状態変数推定手段 42 推定水質因子表示手段 43 水質因子推定値 50 プロセス制御手段 60 データベース 61 過去のデータ 62 機器異常診断結果表示手段 63 異常診断結果 80 標準入力生成手段 81 伝達関数推定手段 82 PIDゲイン決定手段 83 標準入力 84 応答出力 85 推定プロセス伝達関数 86 PIDゲイン 87 制御量 100 排水処理プロセスシミュレータ 101 最適化手段優先順位決定手段 102 最適化手段制御装置 103、103A 計算結果判定手段 104 最適化結果表示手段 105 モデル定数最適化手段(複数) 107 実測値入力部 108 水質関数格納部 109 優先順位 110 最適化結果一式 111 実行信号 112 最適化結果 115 最適化判定結果 116 補正済み実測値 117 モデル定数 118 水質因子計算値 119 排水処理プロセス 120 実測値 121 選択条件 Reference Signs List 40 Estimated value and corrected actual measurement value set 41 State variable estimating means 42 Estimated water quality factor display means 43 Water quality factor estimated value 50 Process control means 60 Database 61 Past data 62 Equipment abnormality diagnosis result display means 63 Abnormal diagnosis result 80 Standard input generation Means 81 Transfer function estimating means 82 PID gain determining means 83 Standard input 84 Response output 85 Estimated process transfer function 86 PID gain 87 Control amount 100 Wastewater treatment process simulator 101 Optimizing means priority determining means 102 Optimizing means control device 103, 103A Calculation result determination means 104 Optimization result display means 105 Model constant optimization means (plural) 107 Actual measurement value input unit 108 Water quality function storage unit 109 Priority order 110 Optimization result set 111 Execution signal 112 Optimization result 115 Optimization determination result 116 corrected Found 117 model constants 118 Water factor computation value 119 wastewater treatment process 120 Found 121 selected condition
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 FI テーマコート゛(参考) G05B 13/04 G05B 13/04 G06F 19/00 110 G06F 19/00 110 Fターム(参考) 5B049 AA06 BB07 DD01 EE03 EE31 EE41 5H004 GA15 GA18 GA27 GA28 GB08 HA04 KC12 KC28 KC35 KC45 KC48 5H223 AA01 BB01 CC01 FF05 ──────────────────────────────────────────────────続 き Continued on the front page (51) Int.Cl. 7 Identification symbol FI Theme coat ゛ (Reference) G05B 13/04 G05B 13/04 G06F 19/00 110 G06F 19/00 110 F term (Reference) 5B049 AA06 BB07 DD01 EE03 EE31 EE41 5H004 GA15 GA18 GA27 GA28 GB08 HA04 KC12 KC28 KC35 KC45 KC48 5H223 AA01 BB01 CC01 FF05
Claims (8)
水質因子とモデル定数を含む水質関数として格納する水
質関数格納部と、排水の水質因子の実測値を用いて前記
モデル定数の値を最適化する最適化演算手段を備えたモ
デル定数最適化手段と、を含んでなり、前記水質関数を
用いて排水処理プロセスをシミュレートする排水処理プ
ロセスシミュレータにおいて、前記モデル定数最適化手
段は複数種類の最適化演算手段を備えていることと、与
えられた選択条件を基にして前記複数の最適化演算手段
の優先順位を決定する最適化手段優先順位決定手段を備
えたことと、を特徴とする排水処理プロセスシミュレー
タ。1. A water quality function storage unit for modeling a waste water treatment process and storing it as a water quality function including a water quality factor and a model constant of the waste water, and optimizing a value of the model constant using an actually measured value of the water quality factor of the waste water. A wastewater treatment process simulator for simulating a wastewater treatment process using the water quality function, wherein the model constant optimization means comprises a plurality of types of optimization operation. Wastewater characterized by comprising optimization operation means, and optimizing means priority determination means for determining priorities of the plurality of optimization operation means based on given selection conditions. Processing process simulator.
レータにおいて、前記複数の最適化演算手段のうちの一
つは、総あたり法によるものであることを特徴とする排
水処理プロセスシミュレータ。2. The wastewater treatment process simulator according to claim 1, wherein one of said plurality of optimization calculation means is based on a brute force method.
スシミュレータにおいて、優先順位の高い該モデル定数
最適化手段を先に用いてモデル定数の値を最適化演算す
る最適化手段制御装置と、最適化計算の結果の妥当性を
判断し、妥当でない結果と妥当な結果を分類する計算結
果判定手段と、妥当な結果と妥当でない結果を同時に表
示する最適化結果表示手段と、を備えたことを特徴とす
る排水処理プロセスシミュレータ。3. The wastewater treatment process simulator according to claim 1 or 2, wherein an optimization means control device for optimizing and calculating a value of a model constant by using the model constant optimization means having a higher priority first. It is provided with a calculation result determining means for judging the validity of the result of the optimization calculation and classifying the invalid result and the valid result, and an optimization result displaying means for simultaneously displaying the valid result and the invalid result. A wastewater treatment process simulator characterized by the following.
記載の排水処理プロセスシミュレータにおいて、選択条
件が、最適化演算に必要な時間の長短を規定する定性的
あるいは定量的な項目を含んでいることを特徴とする排
水処理プロセスシミュレータ。4. The wastewater treatment process simulator according to claim 1, wherein the selection condition is a qualitative or quantitative item that defines the length of time required for the optimization operation. A wastewater treatment process simulator characterized by including:
記載の排水処理プロセスシミュレータにおいて、 水質因子の実測値に基づいて、モデル定数最適化演算に
必要な排水の水質因子の値を推定する状態変数推定手段
と、推定した排水の水質因子の値を表示する推定水質因
子表示手段と、を備えたことを特徴とする排水処理プロ
セスシミュレータ。5. The wastewater treatment process simulator according to claim 1, wherein the value of the water quality factor of the wastewater required for the model constant optimization calculation is determined based on the actually measured value of the water quality factor. A wastewater treatment process simulator comprising: a state variable estimating means for estimating; and an estimated water quality factor displaying means for displaying an estimated value of a water quality factor of wastewater.
ュレータにおいて、 前記状態変数推定手段は、水質因子の実測値に基づい
て、モデル定数最適化演算に必要な排水の水質因子およ
び制御に必要な排水の水質因子の値を推定するものであ
り、排水の水質因子の実測値および推定値に基づいて排
水処理プロセスを制御するプロセス制御手段を備えたこ
とを特徴とする排水処理プロセスシミュレータ。6. The wastewater treatment process simulator according to claim 5, wherein the state variable estimating means is based on an actually measured value of the water quality factor, and the water quality factor of the wastewater required for the model constant optimization calculation and the control required for the control. A wastewater treatment process simulator for estimating a value of a wastewater quality factor, and comprising a process control means for controlling a wastewater treatment process based on the measured value and the estimated value of the wastewater quality factor.
記載の排水処理プロセスシミュレータにおいて、 一般的なモデル定数の値および過去に最適化したモデル
定数の値を記憶しているデータベースと、前記モデル定
数最適化手段を用いて決定したモデル定数の値を前記デ
ータベースに記憶されているモデル定数の値と比較し、
論理的推論によって理論的に妥当な範囲内にあるか否か
を判断し、決定したモデル定数の値が理論的に妥当でな
ければ、水質因子の測定機器が異常であると診断する機
器異常診断手段と、機器異常診断手段の診断結果を表示
する異常診断結果表示手段と、を備えたことを特徴とす
る排水処理プロセスシミュレータ。7. The wastewater treatment process simulator according to claim 1, wherein a database storing values of general model constants and values of model constants optimized in the past. Comparing the value of the model constant determined using the model constant optimization means with the value of the model constant stored in the database,
Device abnormality diagnosis that determines whether or not the value of the model constant that is determined is theoretically reasonable by logical inference, and that the device for measuring water quality factors is abnormal if the determined model constant value is not theoretically valid A wastewater treatment process simulator, comprising: means for displaying a diagnosis result of the device abnormality diagnosis means.
記載の排水処理プロセスシミュレータにおいて、 ステップ入力あるいはインパルス入力あるいはランプ入
力あるいはそれらの組み合わせから成る標準入力を生成
する標準入力生成手段と、該標準入力を前記水質関数格
納部に入力して計算した応答出力から排水処理プロセス
の伝達関数を推定する伝達関数推定手段と、推定された
排水処理プロセスの該伝達関数を用いてPID制御装置
のゲインを決定するPIDゲイン決定手段と、を備えた
ことを特徴とする排水処理プロセスシミュレータ。8. The wastewater treatment process simulator according to claim 1, wherein a standard input generating means for generating a standard input comprising a step input, an impulse input, a ramp input, or a combination thereof. Transfer function estimating means for estimating a transfer function of a wastewater treatment process from a response output calculated by inputting the standard input to the water quality function storage unit, and a PID control device using the estimated transfer function of the wastewater treatment process A wastewater treatment process simulator comprising: PID gain determination means for determining a gain of the wastewater treatment process.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000250946A JP3603182B2 (en) | 2000-08-22 | 2000-08-22 | Wastewater treatment process simulator |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000250946A JP3603182B2 (en) | 2000-08-22 | 2000-08-22 | Wastewater treatment process simulator |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002062927A true JP2002062927A (en) | 2002-02-28 |
JP3603182B2 JP3603182B2 (en) | 2004-12-22 |
Family
ID=18740435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000250946A Expired - Fee Related JP3603182B2 (en) | 2000-08-22 | 2000-08-22 | Wastewater treatment process simulator |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3603182B2 (en) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005211963A (en) * | 2004-01-30 | 2005-08-11 | Sumitomo Metal Ind Ltd | Method for correcting model parameter in steel production process, and method for manufacturing hot rolled steel sheet using the same |
JP2010191566A (en) * | 2009-02-17 | 2010-09-02 | Yamatake Corp | Model function update processing apparatus and method |
CN102411308A (en) * | 2011-12-24 | 2012-04-11 | 北京工业大学 | Adaptive control method of dissolved oxygen (DO) based on recurrent neural network (RNN) model |
US8209040B2 (en) | 2007-01-10 | 2012-06-26 | Hitachi, Ltd. | Plant control apparatus |
KR101869011B1 (en) * | 2017-03-24 | 2018-06-20 | 주식회사 유앤유 | Evaluation system of state variables of settled wastewater for activated sludge modeling and method of the same |
CN108828178A (en) * | 2018-08-06 | 2018-11-16 | 中国环境科学研究院 | A kind of water quality inspection device |
WO2021111936A1 (en) * | 2019-12-05 | 2021-06-10 | オムロン株式会社 | Prediction system, information processing device, and information processing program |
-
2000
- 2000-08-22 JP JP2000250946A patent/JP3603182B2/en not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005211963A (en) * | 2004-01-30 | 2005-08-11 | Sumitomo Metal Ind Ltd | Method for correcting model parameter in steel production process, and method for manufacturing hot rolled steel sheet using the same |
US8209040B2 (en) | 2007-01-10 | 2012-06-26 | Hitachi, Ltd. | Plant control apparatus |
JP2010191566A (en) * | 2009-02-17 | 2010-09-02 | Yamatake Corp | Model function update processing apparatus and method |
CN102411308A (en) * | 2011-12-24 | 2012-04-11 | 北京工业大学 | Adaptive control method of dissolved oxygen (DO) based on recurrent neural network (RNN) model |
KR101869011B1 (en) * | 2017-03-24 | 2018-06-20 | 주식회사 유앤유 | Evaluation system of state variables of settled wastewater for activated sludge modeling and method of the same |
CN108828178A (en) * | 2018-08-06 | 2018-11-16 | 中国环境科学研究院 | A kind of water quality inspection device |
CN108828178B (en) * | 2018-08-06 | 2024-05-31 | 中国环境科学研究院 | Water quality inspection equipment |
WO2021111936A1 (en) * | 2019-12-05 | 2021-06-10 | オムロン株式会社 | Prediction system, information processing device, and information processing program |
JP2021089653A (en) * | 2019-12-05 | 2021-06-10 | オムロン株式会社 | Prediction system, information processing device and information processing program |
Also Published As
Publication number | Publication date |
---|---|
JP3603182B2 (en) | 2004-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109879410A (en) | Sewage treatment aeration control system | |
JP3679942B2 (en) | Treated water quality control device | |
US20210263490A1 (en) | Water treatment plant and method of operating water treatment plant | |
JP2007061800A (en) | Flocculant injection controller to be applied to water treatment plant | |
JP3603182B2 (en) | Wastewater treatment process simulator | |
JP5264796B2 (en) | Plant operation support device | |
MacGregor et al. | Closed-loop identification: the role of the noise model and prefilters | |
CN115759399A (en) | Dosing control method, device, equipment and storage medium | |
JP4700145B2 (en) | Model reference automatic controller for water treatment equipment | |
Xu et al. | Auto-tuning of PID controller parameters with supervised receding horizon optimization | |
JPH06117886A (en) | Plant supporting system | |
JP3812358B2 (en) | Plant operation support method and program thereof | |
TWI813437B (en) | Water treatment control system and control method of water treatment device | |
JP4038718B2 (en) | Sewage treatment process simulation method and sewage treatment process simulator | |
JP2002045882A (en) | Water quality controller for sewage treatment plant | |
JPH10235333A (en) | Sewage treatment process simulator | |
JPH1157780A (en) | Sewage disposal plant, its measuring instrument and support equipment | |
JP3142358B2 (en) | Operation support system for water treatment plant | |
JPH06335694A (en) | Controller of device for biologically treating waste water | |
JP2001038342A (en) | Operation method and device of water treating process | |
WO2024121918A1 (en) | Water treatment facility operation assistance system and water treatment facility operation assistance method | |
JP2001038343A (en) | Control method and device of water treating process | |
JP7170949B1 (en) | Aeration amount control device and aeration amount control method | |
JP3460211B2 (en) | Sewage treatment control device | |
JP2868826B2 (en) | Support system and construction method thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040427 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040623 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040913 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071008 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081008 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091008 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091008 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101008 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111008 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121008 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121008 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131008 Year of fee payment: 9 |
|
LAPS | Cancellation because of no payment of annual fees |