SEARCH

SEARCH BY CITATION

Keywords:

  • softsensor;
  • adaptive neural network;
  • phenol degradation;
  • wastewater treatment

Abstract

Efficient monitoring and automatic control systems for biological wastewater treatment processes, especially those dealing with bioinhibitory pollutants, such as phenol, are urgently required in order to meet increasingly stringent environmental regulations. Practical on-line sensors of variables that describe water quality, such as BOD or individual toxic pollutants such as phenol, are not commercially available; e.g. phenol is generally monitored off-line by spectrofluorometry. Inference software sensors could be an attractive alternative for on-line monitoring of these variables. As a first step towards the development of inferential sensors for biological wastewater treatment processes, we consider in this study, a simplistic version of such a process which consists of a continuous culture of Pseudomonas putida Q5 degrading phenol. In this work, we propose a neural network based inferential sensor for phenol monitoring using on-line biomass concentration measurements by spectrophotometry. The network was built with wavelets as the basis functions and the adaptive algorithm for the weights was based on a Lyapunov stability analysis. Predicted phenol output of the network showed good agreement with experimental data, over fairly broad ranges of inlet phenol concentration and dilution rate step changes. Simulations were conducted to find convergence conditions and to investigate possible sources for errors in phenol estimates.

Les systèmes de surveillance efficace et de contrôle automatique des procédés de traitement des eaux usées biologiques, en particulier ceux ayant affaire à des polluants bio-inhibiteurs tels les phénols, deviennent absolument nécessaires en vue de satisfaire les règlements environnementaux rigoureux. Des capteurs de variables montés en ligne pratiques décrivant la qualité de l'eau, comme la DBO ou différents polluants toxiques comme le phénol, ne sont pas disponibles dans le commerce, le phénol étant généralement surveillé par des systèmes non montés en ligne par la spectrofluorométrie. Les capteurs logiciels à inference pourraient être une solution attrayante pour la surveillance en ligne de ces variables. Comme première étape vers la mise au point de capteurs inférentiels pour des procédés de traitement des eaux usées biologiques, nous considérons dans cette étude une version simplifiée d'un tel procédé qui consiste en une culture continue de Pseudomonas putida Q5 dégradant le phénol. Dans ce travail, nous proposons un capteur inférentiel basé sur un réseau neuronal pour la surveillance du phénol utilisant des mesures de concentration de biomasse en ligne par spectrophotométrie. Le réseau a été bâti avec des ondelettes comme fonctions de base, et l'algorithme adaptatif pour les pondérations a été basé sur une analyse de stabilité de Lyapunov. La réponse en phénol prédit par le réseau montre un bon accord avec les données expérimentales, dans des gammes assez larges de concentration de phénol en entrée et de modifications en échelon de la vitesse de dilution. Des simulations ont été effectuées pour trouver des conditions de convergence et étudier les sources possibles d'erreurs dans les estimations de phénol.