🌞欢迎来到人工智能的世界 
🌈博客主页：卿云阁

💌欢迎关注🎉点赞👍收藏⭐️留言📝

🌟本文由卿云阁原创！

🌠本阶段属于练气阶段，希望各位仙友顺利完成突破

📆首发时间：🌹2025年9月6日🌹

✉️希望可以和大家一起完成进阶之路！

🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！

---

目录

asm.py

整体结构

asm1equations

carbonaddition

ASM1reactor类：

aerationcontrol.py

asm.py

整体结构

asm1equations

        一个基于ASM1 (Activated Sludge Model No.1) 的常微分方程组求解函数，是活性污泥法废

水处理模拟的核心。它的主要任务是计算反应器中21个关键组分的瞬时浓度变化率，这些变化率由

流入流出、生物反应和曝气过程共同决定。

在正式的学习之前我们先掌握一个概念叫做Kla:

       它描述了在单位体积的液体中，单位时间内的氧气传递速率与液相中氧气浓度亏欠（即饱和浓

度与实际浓度之差）之间的关系

     氧转移系数KLa是一个综合参数，它反映了气液界面上氧气从气相传递到液相的速率。具体来

说，KLa是氧气传质速率与气液界面处氧气浓度差之间的比例关系，其单位为时间负一次方。在数

学表达式中，KLa通常表示为：

在这种情况下，曝气开始的瞬时，水中溶解氧的浓度将以 每小时 70 mg/L 的速率增加。那就是说

kla越大，说明溶解氧的增加效率越高。

影响kla的主要因素是什么啊？

       曝气器的类型：不同的曝气器，如微孔曝气头、射流曝气器或机械搅拌曝气机，产生气泡的方

式和大小不同，会极大地影响氧气传递效率。一般来说，气泡越小，总表面积越大，KLa 越高。曝

气强度（或供气量）：单位时间内向水中通入的空气量越多，产生的气泡数量越多，气液接触面积

就越大，因此 KLa 会随之增大。

反应器操作条件

反应器的操作方式也会影响 KLa。

  水深：水越深，气泡在上升过程中停留的时间越长，传递效率越高，因此 KLa 通常会随水深增

加。搅拌强度：在机械曝气系统中，搅拌速率会影响气泡的分散和水体的湍流程度。适当的搅拌可

以增加传质速率，提高 KLa。

这个值是我们可以人为控制的吗？

调整搅拌速度： 在机械曝气或搅拌曝气池中，提高搅拌速度能增强水体湍流，使气泡更均匀地分

散，从而提高传质效率和KLa。

控制液位深度： 在一定范围内，增加曝气池的水深会延长气泡在水中停留的时间，使其有更多机

会传递氧气，通常能提高KLa。

 Kla如何计算?

      这种方法基于这样一个事实：当向水中通入气体时，溶解氧（DO）的浓度会从一个较低的初

始值逐渐升高，并最终接近饱和溶解氧浓度。我们可以通过监测这段时间内DO的变化来计算。

如何控制？

手算模拟：

计算反应速率：

# proc1：异养菌好氧生长速率（利用SS，以氧为电子受体）
proc1 = mu_H * (ytemp[SS] / (K_S + ytemp[SS])) * (ytemp[SO] / (K_OH + ytemp[SO])) * ytemp[XBH]

我们上面已经输入和当前容器中各个反应物的浓度，所以这里的话是直接可以算出来的。

各组分转化速率

# 溶解氧（SO）：被异养菌好氧生长和自养菌生长消耗
    reac[SO] = -(1.0 - Y_H) / Y_H * proc1 - (4.57 - Y_A) / Y_A * proc3

这里的转换速率的话，也是可以算出来的。

构建微分方程（物质平衡：流入-流出 + 反应项）

假设kla大于0的话：

    if kla >= 0.0:
        dy[SO] = (1.0 / volume) * (y_in[Q] * (y_in[SO] - y[SO])) + reac[SO] + KLa_temp * (SO_sat_temp - y[SO])

这里的物质平衡的话，也是可以算出来的。

carbonaddition

    SS 是一个特殊情况，因为投加的碳源本身就含有SS。因此，其新浓度不仅受到稀释的影

响，还增加了碳源带来的SS量。

ASM1reactor类：

odeint 的作用是数值求解常微分方程组。

      常微分方程（Ordinary Differential Equation, ODE）描述的是一个变量关于另一个变量的瞬时

变化率。比如在 ASM1 模型中，我们用 dy/dt 来表示每个组分浓度随时间的变化率。

最简单的例子：匀速直线运动

      假设我们有一个小球，以恒定的速度 v 沿着直线运动。它的位置 x 随时间 t 的变化率（即速

度）是一个常数。

import numpy as np
from scipy.integrate import odeint
def linear_motion(x, t, v):
    """返回位置x随时间t的变化率 (dx/dt)"""
    dxdt = v
    return dxdt
# 定义参数
v = 2.0  # 速度 2.0 m/s
x0 = 0.0  # 初始位置 0.0 m
t = np.linspace(0, 10, 11)  # 时间从0到10秒，共11个点
# 调用 odeint 求解
# func: linear_motion 函数
# y0: 初始位置 x0
# t: 时间数组 t
# args: 额外参数 (v,)
x_solution = odeint(linear_motion, x0, t, args=(v,))
print("时间点 (t):", t)
print("位置 (x):", x_solution.flatten())

---

aerationcontrol.py