基于LM算法的溶解氧浓度神经网络预测控制研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 污水处理控制研究现状 | 第10-12页 |
| 1.2.2 神经网络预测控制研究现状 | 第12-13页 |
| 1.3 本课题的研究内容 | 第13-15页 |
| 第二章 活性污泥法工艺及数学建模 | 第15-26页 |
| 2.1 污水处理技术简介 | 第15-16页 |
| 2.2 活性污泥法工艺简介 | 第16-17页 |
| 2.3 活性污泥1号模型 | 第17-22页 |
| 2.4 简化的变参数活性污泥数学模型 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于LM算法优化的BP神经网络模型辨识 | 第26-45页 |
| 3.1 神经网络理论概述 | 第26-31页 |
| 3.1.1 神经网络基本理论 | 第26-27页 |
| 3.1.2 BP神经网络基本原理及学习过程 | 第27-30页 |
| 3.1.3 BP神经网络的优点及缺陷 | 第30-31页 |
| 3.2 基于LM算法优化的BP神经网络 | 第31-35页 |
| 3.2.1 神经网络优化算法 | 第31-33页 |
| 3.2.2 高斯-牛顿算法 | 第33-34页 |
| 3.2.3 LM算法 | 第34-35页 |
| 3.3 LM-BP神经网络模型辨识 | 第35-39页 |
| 3.3.1 神经网络模型辨识原理概述 | 第35-36页 |
| 3.3.2 神经网络辨识建模的特点 | 第36-37页 |
| 3.3.3 神经网络模型辨识结构 | 第37-38页 |
| 3.3.4 LM-BP神经网络模型辨识设计 | 第38-39页 |
| 3.4 仿真实验 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 溶解氧浓度的神经网络预测控制系统设计 | 第45-57页 |
| 4.1 预测控制理论 | 第45-48页 |
| 4.1.1 预测控制原理 | 第45-46页 |
| 4.1.2 预测控制基本算法 | 第46页 |
| 4.1.3 智能预测控制算法 | 第46-47页 |
| 4.1.4 神经网络预测控制 | 第47-48页 |
| 4.2 溶解氧浓度的神经网络预测控制系统设计 | 第48-49页 |
| 4.2.1 溶解氧浓度控制的重要性 | 第48页 |
| 4.2.2 控制策略的提出 | 第48-49页 |
| 4.2.3 控制方案整体设计 | 第49页 |
| 4.3 溶解氧浓度预测模型的建立 | 第49-53页 |
| 4.3.1 神经网络非线性多步预测模型 | 第49-52页 |
| 4.3.2 LM-BP神经网络构建溶解氧预测模型 | 第52-53页 |
| 4.4 溶解氧浓度反馈校正设计 | 第53页 |
| 4.5 溶解氧浓度优化控制器的设计 | 第53-55页 |
| 4.5.1 优化控制器主要设计方法 | 第53页 |
| 4.5.2 基于黄金比例搜索算法的滚动优化设计 | 第53-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 溶解氧浓度的神经网络预测控制系统仿真 | 第57-66页 |
| 5.1 仿真模型分析 | 第57-58页 |
| 5.2 系统可控性分析 | 第58-59页 |
| 5.3 LM-BP神经网络溶解氧浓度模型的建立 | 第59-60页 |
| 5.4 神经网络预测控制系统仿真 | 第60-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录一 插图清单 | 第72-73页 |
| 附录二 表格清单 | 第73-74页 |
| 在读研究成果 | 第74-75页 |
| 致谢 | 第75页 |
