1.一种基于机器学习的自适应污泥处理控制系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的自适应污泥处理控制系统，其特征在于，传感器模块包括：
3.根据权利要求1或2所述的基于机器学习的自适应污泥处理控制系统，其特征在于，控制模块包括：
4.根据权利要求1所述的基于机器学习的自适应污泥处理控制系统，其特征在于，所述机器学习模块还包括数据存储单元和数据处理单元，数据存储单元用于存储传感器模块检测到的污泥参数和控制模块调节的操作参数，数据处理单元用于对数据存储单元中的数据进行预处理、归一化、降维操作，并将处理后的数据输入到深度神经网络中。
5.根据权利要求1所述的基于机器学习的自适应污泥处理控制系统，其特征在于，深度神经网络的输入层由传感器模块检测到的污泥参数组成，输出层由控制模块调节的操作参数组成。
6.根据权利要求1所述的基于机器学习的自适应污泥处理控制系统，其特征在于，深度神经网络的隐藏层个数为3个，每个隐藏层包含64个神经元。
7.根据权利要求1所述的基于机器学习的自适应污泥处理控制系统，其特征在于，反向传播算法采用随机梯度下降法作为优化方法，学习率为0.01，批量大小为32，迭代次数为1000。
8.一种基于机器学习的自适应污泥处理控制方法，其特征在于，包括以下步骤：
9.根据权利要求8所述的基于机器学习的自适应污泥处理控制方法，其特征在于，步骤4中，机器学习模块采用深度神经网络作为核心算法，该深度神经网络包括多个隐藏层和一个输出层，每个隐藏层由多个神经元组成，神经元的输入信号为，每个神经元的激活函数为，输出层的激活函数为，机器学习模块通过反向传播算法更新深度神经网络的权重和偏置参数。
10.根据权利要求9所述的基于机器学习的自适应污泥处理控制方法，其特征在于，步骤4中，反向传播算法采用随机梯度下降法作为优化方法，学习率为0.01，批量大小为32，迭代次数为1000。