Abstract
SBR is one of the most general sewage/wastewater treatment processes and, particularly, has an advantage in high concentration wastewater treatment like sewage wastewater. A Kernel PCA based fault diagnosis system for biological reaction in full-scale wastewater treatment plant was proposed using only common bio-chemical sensors such as ORP(Oxidation-Reduction Potential) and DO(Dissolved Oxygen). During the SBR operation, the operation status could be divided into normal status and abnormal status such as controller malfunction, influent disturbance and instrumental trouble. For the classification and diagnosis of these statuses, a series of preprocessing, dimension reduction using PCA, LDA, K-PCA and feature reduction was performed. Also, the diagnosis result using differential data was superior to that of raw data, and the fusion data show better results than other data. Also, the results of combination of K-PCA and LDA were better than those of LDA or (PCA+LDA). Finally, the fault recognition rate in case of using only ORP or DO was around maximum 97.03% and the fusion method showed better result of maximum 98.02%.
축산폐수는 축사가 대부분 상수원보다 상류지역에 산재하고 있어 이를 효과적으로 관리하기 어려우나, 연속 회분식 반응기(Sequencing Batch Reactor, SBR)는 장치가 간단하고 경제성이 우수하여 축산폐수처리에서 효율적으로 적용될 수 있다. 본 연구에서는 DO(Dissolved Oxygen)과 ORP(Oxidation-Reduction Potential)을 이용하여 지식기반 고장진단 시스템을 제안하였다. 실시간으로 얻어진 ORP, DO값들을 전처리하여, [ORP], [DO]외에 [ORP DO]합성data와 ORP, DO의 특징벡터의 합에서 얻어진 fusion data의 총 4개의 data set을 이용하여 각각에 대한 진단과 분류성능을 검토하였다. 이 값을 이용하여 FCM (fuzzy C-mean) 클러스터링 한 후, K-PCA과 LDA로 차원축소시켜 특징벡터를 추출하였다. 그리고 Hamming distance로 test data와 특징벡터의 거리를 계산하여 각 class를 F1에서 F8까지 분류하였다. 그 결과 데이터를 그대로 이용하는 것 보다 차분데이터형태로 이용하는 것이 우수했으며 그 중 fusion 데이터의 결과가 다른 것들보다 향상된 결과를 보였다. 그리고 K-PCA와 LDA를 결합한 결과가 다른 방법에 비해 우수한 결과를 보였으며 fusion method를 이용한 최고인식율은 98.02%를 나타내었다.
