近日，环境学院王毅力教授团队完成的研究论文“An intelligent system for precise management of coagulants in sludge conditioning: Inspired by the exploratory behavior in primates using senses”在环境领域期刊《Water Research》（一区TOP，影响因子：11.5）上发表。

由于污泥流量与特性和操作条件的多变，确定最佳混凝剂投加量仍然具有挑战性。经验性和投加量不足通常会导致更高的成本和固液分离效果不佳，因此，精准度和适应性高的调理混凝剂管理系统的需求十分必要。传统的SRF、CST确定混凝剂最佳投加量的手工过程是十分耗时和需要人力的。过去数十年来，依据脱水滤液特征，譬如流体电流、粘度和UV-Vis吸光度等尽管能够实现在线监测和反映脱水性能，但依然存在反馈的滞后性。另一方面，以污泥调理过程中宏观流变特征指示污泥脱水性能一致性依然很模糊，而且流变仪价格昂贵、在线监测不易实现。结合污泥絮体图像、污泥质地和理化性质进行多变量统计和机器学习开发了指示污泥脱水性能的软传感器在实际恶劣环境中仍然存在障碍，相应的模型需要针对不同的污泥类型或来源进行重新训练。

在本研究中，基于污泥二元类凝胶结构的新概念模型以及EIS衍生的归一化谱维数ds/fc指示污泥脱水性能的潜力，受灵长类动物结构化探索行为的启发，研究组提出了污泥调理混凝剂精准管理智能系统（IISPMC）概念和预测模型，建立了IISPMC原型系统并进行性能评价。结果表明：在污泥调理混凝剂投加量的自我优化过程中，该智能系统实现了约5%的统计中位数准确率和重复性，具有良好的可靠性，确定最佳混凝剂剂量时分辨率为5g/kg，并且在扰动条件下表现出强大的鲁棒性。IISPMC的性能在9种污泥源和4种混凝剂中得到验证，且在40批次的污泥混凝调理连续运行中表现稳定，即使扩大调节池规模后，IISPMC仍能保持稳定的性能。该研究结果可为基于先验参数的污泥混凝调理投药智能管理机器学习模型的建立奠定了坚实的基础，并进一步指导调理脱水的智慧化系统的研发和设计。

第一作者为环境学院硕士生李淑心，通讯作者为王毅力教授和张达鑫高工，北京林业大学为第一完成单位。

该工作得到国家自然科学基金(No. 52170122，51978054)、博士后基金(No. 2022M720454)、北京市教委“生态修复工程学”高精尖学科 (No. GJJXK210102)等项目的支持。

论文链接：https://doi.org/10.1016/j.watres.2025.123842