（1）碳源协同共代谢生物处理和调控技术
通过研究碳源协同共代谢过程中具有类难降解污染物结构的诱导性基质对微生物活性及难降解污染物降解的作用机理，筛选出难降解污染物共性结构在共代谢过程中诱导产生非专一性的关键酶，解析了微生物在关键酶作用下营养基质的利用速率、微生物的生长速率和难降解污染物的共代谢降解速率的影响规律，实现对难降解污染物有效降解，获得了高效碳源协同共代谢降解控制机制。在此基础上，开发了基于共代谢的厌氧、兼氧、好氧生物工艺（A-A/O-A/O）及两相两阶段厌氧生物反应器如图1所示。废水经溢流堰进入辐射状布水管，使废水中有机物、共代谢碳源混合。布水管呈辐射状均匀排列，克服了水在单一水管中流动时由于沿程阻力引起的布水不均匀性，配水区及各反应区壁上开设上下错开的导流管和溢流堰，使废水在反应器内形成上下回环错流方式，增加污染物和共代谢微生物的接触时间，提高处理效率。在配水区投加共代谢碳源与废水充分混合后，从配水区底部进入厌氧区，厌氧微生物在碳源的协同作用下，将大分子有机物水解、转化，部分污染物经厌氧发酵产生甲烷等气体，其余经充分水解后经导流管依次进入兼氧-好氧区进行生物共代谢降解，使废水中的难降解有机物逐级共代谢降解和转化，处理后的出水澄清后回用于生产。
图1 共代谢生物控制机制和技术应用
（2）废水高级氧化深度处理技术
运用量子化学计算理论对典型有机污染物（PAEs和PAHs）分子进行优化，提取分子几何结构方面的计算参数，并结合分子模拟和智能理论对有机污染物降解机制进行模拟，利用有限元分析理论对系统进行降维分析建立起污染物降解活性预测智能模型，以描述分子结构与生物降解性之间的关系，并从三相平衡的角度研究污染物在系统中的迁移转化规律，见图2，明确污染物的去除机理，从而提出相应的调控机制。此基础上，构建非均相体系活化PS 高级氧化深度处理水中难降解有机污染物转化原理和控制机制，如图3所示。过控制络合参数及活化氧化反应控制参数，实现自由基生成速率及含量的有效调节，解析了Fe2+与难降解污染物竞争SO4-•的关系和难降解污染物降解过程中SO4−•与OH•的协同效应，获得了络合对PS 高级氧化体系的活化原理。研究发现SO4-•通过电子转移和氢提取等机理将DBP氧化降解转化为无毒无害的中间产物及CO2和H2O等物质，实现对难降解有机污染物的无害化处理， 从而推进了废水可持续利用。
图2 基于遗传-BP神经网络PAEs降解活性的构效关系
图3 深度处理转化原理及工程应用现场
（3）污（废）水处理智能控制系统
研究采用智能化建模技术将神经网络建模技术与模糊数学模型相结合，通过带混沌动态量的自适应学习率的BP神经网络来实现模糊逻辑，同时利用神经网络的自学习能力，可动态调整隶属度函数、在线优化控制规则，提出了水质多目标预测智能计算算法。由新改进型遗传算法对影响模糊神经网络预测精度的参数进行优化，实现连接权的进化、网络结构的进化及学习规则的进化，完成网络的结构辨识和参数辨识，并利用离散正定Lyapunov函数证明了训练算法的收敛性，以提高模型的预测精度，从而建立水质参数预测软测量模型，实现对水质参数的准确预测，见图4。
图4 遗传-模糊神经网络模型动态模拟三维关系图
另外，针对污水处理系统机理模型的高度非线性，采用聚类算法对系统模型进行修正简化，并利用神经网络、马尔可夫链、小波变换和遗传算法等各种智能理论对机理模型进行耦合，模拟污染物转化过程，实现水质动态变化的准确模拟。在耦合模型中，简化机理模型是基础，它用于产生残差，作为智能网络的输入和输出；智能模型用于建立输入变量和输出变量之间的关系，而神经网络的权重则用遗传算法来进行优化。如图5所示，在耦合模型中，以流速、污泥浓度以及上一时刻COD、NH4+和PO43-浓度作为简化机理模型输入变量，由小波神经网络—遗传—模糊马尔可夫链耦合动态智能模型用于建立输入变量和输出变量之间的关系，而网络的权重则用遗传算法来进行优化。通过对水量、水质时序变化规律进行预测，实现污水处理系统的快速准确调节。
图5 多元智能软测量模型对水质时序变化的动态模拟
基于Windows CE.NET嵌入式理论，结合组件化编程技术，以Visual Studio .NET为开发工具，探讨了嵌入式污水处理智能监控系统的低成本研发理论与方法。该系统在前端建立起友好的人机界面，可动态描述污水处理过程中的水质负荷（COD、氨氮、总氮、TP）、DO、ORP、pH、F/M与控制变量（曝气量、泥位高度、加药量）之间复杂的非线性关系，在线实时监测各种水质指标；在后端则将智能算法对检测数据进行分析处理，根据水质参数的时变性，模拟水质在系统中的变化规律，及时对流量、曝气量、加药量、底泥微生物量等进行调控，提高污水处理系统的稳定、高效运行，见图6。
图6 嵌入式污水处理智能控制系统
研究成果作为废水资源化利用关键技术重要组成部分，已经在全国17个省（区）的70多家企业应用，每天共处理污水70多万吨，每天减少COD排放2000多吨，每年通过节水、节电等直接为国家创经济效益两亿多元，为保护环境做出了重要贡献，已获得国家科技进步二等奖（排名5）、广东省科技进步一等奖（排名7）、广东省科技进步二等奖（排名4）等奖励，得到中国科技日报、南方日报、广州日报、羊城晚报、凤凰网、网易等多家国家和地方媒体的重点报道。
代表性成果：
[1] 国家科技进步二等奖：废纸造纸废水资源化利用关键技术研发与应用, 2010, 万金泉; 马邕文; 王艳; 李迪; 黄明智; 周深桥.
[2] 广东省专利优秀奖：一种处理废水的两相两阶段厌氧生物反应器, 2017, 万金泉; 马邕文; 王艳; 陈云; 黄明智.
[3] 广东省科技进步二等奖：造纸过程中废纸纤维品质提升的关键技术研发与应用, 2014, 万金泉; 马邕文; 王艳; 黄明智; 陈杨梅; 孟庆林.
[4] 广东省科技进步一等奖：废纸造纸废水封闭循环应用技术, 2007, 万金泉; 马邕文; 李迪; 王艳; 叶峰; 周深桥; 黄明智.
[5] Wan Jinquan; Huang Mingzhi; Ma Yongwen; Wang Yan. Method and system for wastewater treatment based on dissolved oxygen control by fuzzy neural network, 2017, 美国发明专利, US9747544B2.
[6] 黄明智; 林凯荣; 陈晓宏; 章涛; 阮菊俊. 基于量子遗传算法的污水处理过程节能优化控制方法, 2015, 发明专利, CN201510907217.5.
[7] 万金泉; 濮梦婕; 王晨曦; 马邕文; 王艳; 黄明智. 一种双向流内循环式PS高级氧化反应器及污水处理方法, 2014, 发明专利, CN201310152849.6.
[8] 马邕文; 王艳; 万金泉; 王淑红; 黄明智. 一种高效处理造纸废水中难降解有机物的共代谢反应器 , 2008, 发明专利, CN200820200426.1.
[9] J.J Ruan , Z Huang, J.X Huang, Z.H Yuan, M.Z Huang, C.M Du, TZhang, R.L Qiu. A novel pneumatic separator for separating diode and CD capacitance of waste printed circuit boards. Energy 142 (2018) 191-195.
[10] J Zheng, J.J Ruan, L.P Dong, T Zhang, M.Z Huang, Z.M Xu. Hollow aluminum particle in eddy current separation of recovering waste toner cartridges. ACS Sustainable Chemistry & Engineering, 2017,5: 161-167.
[11] M.Z Huang, J.Q Wan, Y Wang, Y.W Ma, X.H Chen. A sensor-software based on a genetic algorithm -based neural fuzzy system for modeling and simulating a wastewater treatment process. Applied Soft Computing, 2015, 27: 1–10.
[12] H.X Li, J.Q Wan, Y.W Ma, M.Z Huang, Y Wang, Y.M Chen. New insights into the role of zero-valent iron surface oxidation layers in persulfate oxidation of dibutyl phthalate solutions. Chemical Engineering Journal, 2014, 250(15): 137-147.
[13] M.Z Huang, Y.W Ma, J.Q Wan, H.P Zhang, Y Wang, Y.M Chen, C.K Yoo, W.J Guo. A hybrid genetic - Neural algorithm for modeling the biodegradation process of DnBP in AAO system. Bioresource Technology, 2011,102 (19): 8907-8913.
[14] M.Z Huang, J.Q Wan, Y.W Ma, Y Wang, W.J Li, X.F Sun. A fast predicting neural fuzzy model for on-line estimation of nutrient dynamics in an anoxic/oxic process. Bioresource Technology, 2010, 101(6): 1642-1651.
[15] M.Z Huang, J.Q Wan, Y.W Ma, Y Wang, W.J Li, X.F Sun. Control rules of
aeration in a submerged biofilm wastewater treatment process using fuzzy neural
networks. Expert Systems with Applications, 2009, 36(7): 10428-10437.