Clean water is an important prerequisite for human health. In this thesis, the water treatment for drinking water production is investigated with a focus on the compact unit as a specific water treatment plant. First, control problems related to the sub-processes of clarification and sterilization are identified and discussed. Then, a model of the sedimentation process is obtained based on real measurement data. In this thesis, a neural network model is chosen, since the validation of analytical models did not lead to satisfactory results. Together with the model, a control method for the sedimentation process is proposed. The control architecture is feedforward control in combination with feedback control. The feedforward controller is realized as a neural network, that is obtained from existing measurement data. The feedback controller is realized as a fuzzy logic controller based on expert knowledge of the sedimentation process. Simulations of the control system with real input data show that the control architecture is suitable for the control of the sedimentation process. In addition, our discussion points out that the only modifications in order to implement the proposed control method are a water quality sensor and a variable speed pump. With these modifications, an un-experienced water treatment plant operator can be replaced by an automatic control system.
Temiz su insan sağlığı için önemli bir ihtiyaçtır. Bu tezde, belirli bir su işleme tesisi gibi yoğunlaştırma ünitesi ile içme suyu üretimi için su işlemi ele alınmıştır. İlk olarak temizleme ve steril etme işlemlerinin alt basamaklarındaki kontrol problemleri tanımlanmış ve ele alınmıştır. Daha sonra gerçek ölçüm verilerine dayanılarak çökelti işleminin modeli elde edilmiştir. Bu çalışmada analitik modellerin geçerliliği istenen sonuçlara uygun olmadığı için yapay sinir ağı modeli seçilmiştir. Bu modelle birlikte çökelti işleminin kontrol modeli öne sürülmüştür. Kontrolün yapısı ileri beslemeli kontrolle geri beslemeli kontrolün birleşiminden oluşmuştur. İleri beslemeli kontrolcü var olan ölçüm verilerinden sağlanan yapay sinir ağı ile elde edilir. Geri beslemeli kontrolcü ise çözelti işleminin temel bilgilerine dayanan bulanık mantık kontrolcüsü ile oluşturulur. Gerçek giriş verileriyle oluşturulan kontrol sisteminin simülasyonları bu kontrol yapısının çözelti işleminin kontrolü için uygun olduğunu göstermektedir. Ek olarak, öne sürülen kontrol yöntemini viii uygulamak için sadece su kalitesini ölçen algılayıcı ve hızı ayarlanabilir pompalar modifiye edilmelidir. Bu modifikasyonlarla birlikte kullanılmamış su işleme tesisinin operatörü otomatik kontrol sistemine dönüştürülebilir.
