南京大学任洪强院士、王瑾丰等ES&T：AI接管污水厂？强化学习实现智能脱氮控制

在现代污水处理厂中，生物脱氮过程的稳定高效运行是工程控制领域的核心难题。传统自动控制系统在应对进水水质剧烈波动时力不从心。本研究构建了反应器—智能代理一体化系统，实现物理生物反应器与强化学习智能代理的直接交互。实验结果表明，在短期运行波动条件下，与知识驱动控制相比，RL智能控制可使氮污染物超标程度降低约30%，同时通过协同调节溶解氧设定值与内部混合液回流，系统运行成本降低36.5%。研究提出了可解释性分析框架，将“黑箱”策略转变为可审计的控制方案。背景：污水处理中生物脱氮过程因进水波动和非线性特性导致控制困难；研究目的：验证强化学习智能控制在真实反应器中的可行性并揭示其决策逻辑；结论：RL智能控制优于传统策略，具有可行性、稳健性与透明性，为全规模应用奠定基础。