城市生活垃圾堆肥过程控制技术的现状和发展

通常堆肥处理过程大多采用手动控制和自动反馈控制这2种控制方法。手动控制要求操作人员不断监视堆肥过程并作出判断以调整氧气输送和反应温度，这种方法效果差。自动反馈控制是通过由计算机控制的传感器监测堆肥过程，并把反应参数调整到设定值，即PID控制方法。以上这2种方法在控制领域中属于传统控制策略。常规的PID控制模型的建立涉及复杂的动力学原理，往往很难构建一个完善的降解模型对堆肥过程进行比较准确的模拟。随着计算机科学与模拟技术的不断发展，出现了一些新的控制方法。人工智能控制技术越来越多地涉及和应用到工业生产和垃圾处理等领域中，象模糊神经网络控制（FNNC）[21]。FNNC是模糊推理与人工神经网络相结合而出现的一种新型控制技术，是用人工神经网络的形式实现模糊推理与控制过程。它既具有人工神经网络的学习能力，又具有模糊控制的自然语言处理能力，可以方便地将人的操作经验作为控制规则加入控制器[22]。采用FNNC系统进行代替模型控制系统可以避免较为复杂的过程动力学原理，而且结果建立在实验与历史数据上。在数据具有一定规模的前提下，可以准确有效地实现控制过程。
5面临的问题
城市生活垃圾堆肥过程控制技术是一项复杂的系统工程。它在过程建模、控制方法、测量技术、优化的综合软、硬件控制系统的设计开发等方面还存在一些问题。
5.1过程建模
由于堆肥过程内在机理非常复杂，还难以完全从机理上揭示其内在规律。堆肥过程受到耗氧率、碳氮比、温度、湿度、pH值、挥发固体含量、堆料的密度、孔隙率和自由空域等诸因素的影响，所涉及的学科相当广泛，以物理、化学、微生物、热力学和动力学等为理论基础[23]，其中的各种变化过程和反应过程存在严重的非线性、不确定性、参数分布性和时变性，这些特点给建模带来了困难。
5.2控制方法
基于人工智能技术的先进控制由于模型复杂、运行工况变动较大，目前控制参数的调整在很大程度上依赖于人的经验。当前，智能控制的研究和应用处于兴旺时期，许多仿真研究和应用实例表明，智能控制在解决复杂系统控制时极有潜力，但是，智能控制理论体系还未建立，智能控制系统的分析和设计缺乏理论上的指导，对它的应用研究正在进行而并未真正进入实用阶段。
5.3测量技术
由于堆肥过程中的控制因子，如温度、pH值、碳氮比和耗氧率等过程变量，在现有的技术条件下难以直接测量或不易快速在线测量，只能通过控制其他可测变量，间接地保证质量要求。当今，为实现直接质量控制要求，出现了一种采用离线或在线实验数据建立模型，揭示这些变量与操作参数之间关系的软测量方法。它的实质是建立被测量参数与影响该参数的其他操作参数之间的数学模型。软测量技术涉及到操作变量和测量点的选择、数据处理、软测量模型的建立、在线校正等[24]。
5.4综合软、硬件控制系统的设计开发
相关硬件监控系统在其他生产工业特别是相近的化学工业领域中已经得到应用，完全可以借鉴，在技术上不会有较多难点。而软件技术包括开发动态模拟模型库、优化控制方案数据库、模型控制器及人工智能控制系统，如何用这些算法解决实际堆肥过程的控制是一件很艰苦的工作。同时，也需要大量商品化的软件应用在过程控制中，对它们进行不太复杂的组态和设置就能完成特定的过程或设备的建模、控制、优化和管理。目前先进控制技术主要掌握在为数不多的国外公司手中，著名的先进控制软件包主要有美Set point公司SMCA（Set point Multivariable Control Architecture）Dynamic Matrix Control公司的DMC。而国内进行这方面研究的清华大学、中国科学技术大学、浙江大学和东北大学等单位取得了显著的应用和开发成果，也开发了一些软件，取得了一些效果，但多数没有工程化，设计难以采用，推广也困难。一些大型企业的应用软件多数从国外购买。我国城市垃圾堆肥还没有工业化、市场化，其应用软件尚没有构成商业化的系统产品，而相关通用软件的购置价格较高[25]。因此，在这方面有大量的研发工作需要完成。