| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 研究背景和意义 | 第13-17页 |
| 1.1.1 研究背景 | 第13-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 污水处理系统概述 | 第17-22页 |
| 1.2.1 污水处理活性污泥法简介 | 第17-18页 |
| 1.2.2 主要污水水质指标简介 | 第18-20页 |
| 1.2.3 污水生物处理的数学模型介绍 | 第20-22页 |
| 1.3 污水处理过程控制的发展状况 | 第22-26页 |
| 1.3.1 模糊控制 | 第22-23页 |
| 1.3.2 神经网络控制 | 第23-24页 |
| 1.3.3 基于智能算法的污水软测量 | 第24页 |
| 1.3.4 污水处理的优化控制 | 第24-26页 |
| 1.4 课题来源及论文主要研究内容 | 第26-28页 |
| 1.4.1 课题来源 | 第26页 |
| 1.4.2 论文主要研究内容 | 第26-28页 |
| 第二章 基于 LE-SVM 的出水水质 BOD 软测量建模 | 第28-43页 |
| 2.1 引言 | 第28-30页 |
| 2.2 LE-SVM 软测量模型 | 第30-38页 |
| 2.2.1 LE 降维 | 第30-32页 |
| 2.2.2 支持向量回归机 | 第32-35页 |
| 2.2.3 软测量模型及数据处理 | 第35-38页 |
| 2.3 仿真讨论 | 第38-41页 |
| 2.4 本章小结 | 第41-43页 |
| 第三章 基于神经网络的溶解氧自适应控制 | 第43-62页 |
| 3.1 引言 | 第43-44页 |
| 3.2 全局渐近自适应神经网络控制设计 | 第44-53页 |
| 3.2.1 问题描述 | 第46-47页 |
| 3.2.2 控制结构 | 第47-49页 |
| 3.2.3 全局渐近控制设计 | 第49-53页 |
| 3.3 污水处理溶解氧的控制 | 第53-59页 |
| 3.3.1 BSM1 模型结构 | 第54-57页 |
| 3.3.2 溶解氧的控制模型 | 第57-59页 |
| 3.4 仿真验证 | 第59-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 污水处理污泥浓度的直接自适应模糊控制 | 第62-75页 |
| 4.1 引言 | 第62-63页 |
| 4.2 直接型自适应模糊控制器的设计 | 第63-71页 |
| 4.2.1 问题描述 | 第66-67页 |
| 4.2.2 理想控制律新形式 | 第67-68页 |
| 4.2.3 直接型控制结构 | 第68-69页 |
| 4.2.4 自适应控制律推导 | 第69-71页 |
| 4.3 污泥浓度的控制模型 | 第71-73页 |
| 4.4 仿真实验及结果分析 | 第73-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 污水处理过程的节能优化控制 | 第75-89页 |
| 5.1 引言 | 第75-76页 |
| 5.2 模糊离散粒子群优化算法 | 第76-81页 |
| 5.2.1 基本粒子群算法 | 第76-79页 |
| 5.2.2 改进粒子群算法 | 第79-81页 |
| 5.3 污水处理最优控制的模型 | 第81-84页 |
| 5.3.1 污水处理基本状态方程 | 第81-83页 |
| 5.3.2 污水处理运行费用目标函数 | 第83-84页 |
| 5.4 仿真实验及结果分析 | 第84-88页 |
| 5.5 本章小结 | 第88-89页 |
| 结论 | 第89-91页 |
| 参考文献 | 第91-107页 |
| 攻读博士学位期间取得的研究成果 | 第107-110页 |
| 致谢 | 第110-111页 |
| 附件 | 第111页 |