制药污水是一种杂质含量高、浓度大且有毒有害物质很多的工业废水,这种污水严重危害了人们的生存环境,威胁了人们的健康,因此研究制药污水的处理迫在眉睫。处理污水时,每一个环节都是很重要的,尤其是生化处理环节最重要。但是生物化学处理阶段能否大大降低污水中有机物的含量跟水中溶解的O₂含量密切相关,因此准确控制水中溶解O₂的含量十分关键。然而对水中溶解的O₂浓度进行控制的过程很容易受到风机频率和水温的影响,且其控制过程表现出严重的非线性、迟滞性的特点,利用常规PID很难精确地实现对水中溶解O₂含量的控制,因此本文提出将PID与遗传算法融合在一起来对其进行控制。本文以宜昌市某制药企业的污水处理控制系统研究项目为背景,首先介绍了项目中的污水处理工艺流程,分析了其中的主要工艺内容及关键水质参数;其次设计了污水处理控制系统的总体方案,系统中的主要硬件设备有控制器、计算机、变频器、电磁阀等,软件部分完成了对上位机系统和控制程序进行了设计。其次本文详细地介绍了遗传算法,并对该算法本身已经存在的缺点（局部收敛、寻优性能差）提出了改进的策略,改进后的算法也就是自适应遗传算法。该算法在操作时重复留下优良个体,促进种群不断向优良的方向进化,以此实现提高局部寻优能力的目标,与同时也保证了个体的多样性。污水处理工艺复杂的特点决定了控制对象一般具有较强的迟滞性、大惯性、非线性的性质,由此本文选用了二阶延迟系统进行仿真研究。再分别将上文提到的两种遗传算法与PID控制融合在一起,并将两种融合后的新算法应用在选择的二阶系统中进行PID参数寻优仿真实验,同时将单一的PID控制也用于同上的二阶系统中进行参数优化仿真实验,再将三者的仿真结果进行比较,得出自适应遗传算法的参数优化性能最佳。最后通过研究生化处理过程的基本原理,建立溶解氧浓度的数学模型,并用MATLAB对该模型进行了如下仿真:分别将遗传算法、自适应遗传算法、常规PID算法应用在控制对象中,并分析了相应的跟踪性、抗干扰性和鲁棒性;由仿真曲线对比图可知,两种优化方法的超调量和调节时间均比常规PID控制方法低,自适应遗传算法与遗传算法相比超调量降低12%,调节时间减少了49.8%,抗干扰性和鲁棒性也相对较好,表明无论是在控制精度方面还是在动态特性方面,自适应遗传算法与PID融合在一起后的算法性能最好,能够达到控制要求。