模糊逻辑和神经网络技术在污水厂的应用
当前众多污水处理厂的设计过程中，污水处理流程和主要指标的控制主要由工艺设计来完成，而影响到污水厂日后运行管理的自动化控制工程在这一阶段往往更多地注重于硬件方面，许多成熟的或先进的自动化技术所提供的优化控制方案常常被忽视。许多国外企业利用这些技术非常成功地解决了应用方面的问题。在污水处理领域，这些技术包括众所周知的PID调节、正在为人们所熟悉的模糊逻辑控制，另外，一种更为新颖的技术--神经网络--也表现出相当好的前景。这些以理论为基础的应用技术可大幅度地优化控制系统。
许多资料表明，诸如模糊逻辑和神经网络等理论在解决各种过程控制方面的技术问题时取得了相当大的成功，如果用常规的方法来处理这些非线性或“黑箱”问题的话，要么是无从解决，要么是非常复杂且耗资巨大。从发展的角度看，模糊逻辑和神经网络在污水处理领域中应用前景会逐渐广阔。
下面从控制理论上简要介绍模糊逻辑和神经网络的原理。
1 模糊逻辑
控制工程是模糊逻辑的一个主要应用领域。首先应说明的一点是，模糊并不意味着所获得的结果是模糊、不精确或甚至是完全不准确的。但是，它也不同于二进制逻辑，仅能区分真假（1、0）两种状态，模糊逻辑理论具有描述不精确状态的语句，这些语句由特定的生产工艺和控制方法在获得的实践经验基础上以“规则”的形式引入，这样的控制由模糊控制器来完成。模糊控制器由三个功能模块组成：模糊化单元、模糊推理单元和去模糊化单元。
将物理参数转换成模糊变量的过程称为模糊化，这个转换过程是在所谓“成员功能单元”的帮助下进行的。“成员功能单元”表明如何将许多如很低、低、最优、高或很高之类的术语（也称作“语言”变量）准确地与某一特定值相对应。例如：曝气池溶解氧反馈值可取NB、NS、ZR、PS、PB五个值，对应着很低、低、优、高、很高。
有时也会出现重叠现象，例如：右图的曝气池溶解氧浓度为2.2mg/l，这个值既为低值又为最优值，而：“最优”推断值比“低”推断值（μ=0.3）更接近于真值（μ=0.7）。因此在这种情况下，就不存在语句必须是真（μ=1）或假（μ=0）的基本规则，这就意味着克服了二进制逻辑固定限量的弊端。
控制单元由专家和控制操作人员所积累的实践经验组成，这些经验以简单的“规则”形式表示，如直接作用于过程操作的“IF-THEN"语句。例如曝气池根据溶解氧含量控制鼓风量的判断方法：“IF溶解氧浓度很高，THEN空气管路风量快速减”。这样一来，控制单元就将输入变量同受控变量联系了起来，该过程称为“推理”。“推理”的方法有最大值--最小值法、最大点积法等。“推理”除应用在曝气量控制外，还可以应用于回流污泥控制和泵房水位控制、格栅控制等。
由于受控变量通常都是许多规则的结果，因此有必要总结各自的适用范围，该过程称为“合成”。
去模糊是将模糊形式确定的受控变量变回数量值的转换过程，这对操作和控制某种执行器来说是很有必要的。