1 绪论 | 第1-18页 |
1.1 软测量技术理论概述 | 第8-14页 |
1.1.1 软测量基本要素 | 第9-10页 |
1.1.2 基于神经网络的软测量方法 | 第10-11页 |
1.1.3 软测量的用途 | 第11-13页 |
1.1.4 软测量的工业应用及存在的问题 | 第13-14页 |
1.2 放电合成臭氧与臭氧水处理技术概述 | 第14-16页 |
1.2.1 放电等离子体合成臭氧技术 | 第14页 |
1.2.2 臭氧水处理技术 | 第14-15页 |
1.2.3 工业废水回用的意义 | 第15-16页 |
1.3 本文的选题及研究内容 | 第16-17页 |
1.3.1 本文的选题依据 | 第16页 |
1.3.2 主要研究内容 | 第16-17页 |
1.4 小结 | 第17-18页 |
2 基于神经网络的软测量方法 | 第18-24页 |
2.1 神经网络类型 | 第18-19页 |
2.1.1 结构分类 | 第18页 |
2.1.2 学习算法分类 | 第18-19页 |
2.2 神经网络用于软测量建模的可行性分析 | 第19-20页 |
2.3 基于神经网络的软测量方法 | 第20-21页 |
2.4 软测量工程化实施技术 | 第21-22页 |
2.5 基于神经网络的软测量建模基本步骤 | 第22-23页 |
2.6 小结 | 第23-24页 |
3 [O_3]软测量的辅助变量选取和样本数据采集 | 第24-33页 |
3.1 无声放电合成臭氧的试验装置与测试方法 | 第24-26页 |
3.2 [O_3]软测量中的辅助变量选择 | 第26-29页 |
3.2.1 O_3浓度软测量的机理模型 | 第26页 |
3.2.2 各参数对臭氧发生性能的影响曲线 | 第26-29页 |
3.3 [O_3]软测量中的数据采集及均匀试验方案设计 | 第29-31页 |
3.4 [O_3]软测量中的测量数据变换 | 第31-32页 |
3.5 小结 | 第32-33页 |
4 基于神经网络的[O_3]软测量模型的建立 | 第33-44页 |
4.1 神经网络算法选取 | 第33-35页 |
4.2 仿真结果 | 第35-37页 |
4.3 可视化神经网络建模软件实现 | 第37-42页 |
4.3.1 主界面窗体 | 第37-39页 |
4.3.2 神经网络建模窗体 | 第39页 |
4.3.3 神经网络建模程序的设计 | 第39-42页 |
4.4 应用神经网络建模的几点体会 | 第42页 |
4.5 小结 | 第42-44页 |
5 臭氧氧化水处理试验系统神经网络建模研究 | 第44-52页 |
5.1 前言 | 第44页 |
5.2 工业废水臭氧氧化处理试验介绍 | 第44-46页 |
5.2.1 试验系统组成 | 第44-45页 |
5.2.2 试验中水质随臭氧投加量的变化情况 | 第45-46页 |
5.3 臭氧水处理系统神经网络建模研究 | 第46-50页 |
5.3.1 臭氧水处理系统神经网络辨识结果 | 第46-47页 |
5.3.2 求取臭氧最佳投量及臭氧作用曲线 | 第47-50页 |
5.4 仿真试验结果分析与讨论 | 第50-51页 |
5.5 小结 | 第51-52页 |
6 总结 | 第52-54页 |
6.1 结论 | 第52页 |
6.2 展望 | 第52-54页 |
参考文献 | 第54-56页 |
作者在攻读硕士学位期间发表的与本文有关的学术论文 | 第56-57页 |
致谢 | 第57-58页 |