| 摘要 | 第1-7页 |
| ABSTRACT | 第7-16页 |
| 第一章 绪论 | 第16-24页 |
| ·水污染现状 | 第16页 |
| ·污水除磷控制现状 | 第16-18页 |
| ·污水除磷控制的国内外发展情况 | 第16-17页 |
| ·当前存在的问题 | 第17-18页 |
| ·人工神经网络简介 | 第18-22页 |
| ·相关基础 | 第18-20页 |
| ·网络结构分类和学习规则 | 第20-22页 |
| ·本文的主要工作 | 第22-24页 |
| 第二章 污水处理及除磷工艺过程 | 第24-32页 |
| ·污水处理简介 | 第24-26页 |
| ·污水的基本水质参数 | 第24-25页 |
| ·污水处理的主要性能指标 | 第25-26页 |
| ·SBR法污水处理工艺过程 | 第26-27页 |
| ·SBR法简介 | 第26页 |
| ·SBR法污水处理工艺过程及特点 | 第26-27页 |
| ·污水除磷分类及辅助化学除磷工艺 | 第27-29页 |
| ·污水除磷方法分类及特点 | 第28-29页 |
| ·辅助化学除磷 | 第29页 |
| ·本章小结 | 第29-32页 |
| 第三章 RAN-LC及其在非线性预测中的应用 | 第32-42页 |
| ·径向基神经网络及其不足之处 | 第32页 |
| ·基于局部条件的资源分配网络 | 第32-37页 |
| ·资源分配网络（RAN）及其学习方法 | 第32-34页 |
| ·RAN-LC的学习方法 | 第34-36页 |
| ·算法实现 | 第36-37页 |
| ·仿真结果 | 第37-41页 |
| ·网络性能 | 第37-39页 |
| ·非线性模型预测 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于预测的类稳态补偿控制及其在检测滞后中的应用 | 第42-70页 |
| ·检测滞后及其影响 | 第42-43页 |
| ·基于改进型BP-PID的鲁棒性稳态补偿控制 | 第43-54页 |
| ·稳态补偿方法 | 第43-44页 |
| ·BP神经网络 | 第44-45页 |
| ·控制系统设计 | 第45-48页 |
| ·控制系统的仿真研究 | 第48-54页 |
| ·结果分析 | 第54页 |
| ·基于预测的类稳态补偿及其在检测滞后中的应用 | 第54-69页 |
| ·预测控制及污水磷含量预测 | 第55-56页 |
| ·基于预测的类稳态补偿控制 | 第56-57页 |
| ·仿真结果 | 第57-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 污水除磷控制系统设计 | 第70-80页 |
| ·控制系统的整体设计 | 第70-73页 |
| ·设计原则 | 第70页 |
| ·污水除磷控制系统结构设计 | 第70-71页 |
| ·污水除磷控制设计 | 第71-73页 |
| ·上位机监控系统设计 | 第73-79页 |
| ·组态设计 | 第73-78页 |
| ·通信系统的设计 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 结论和展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 研究成果及发表的学术论文 | 第88-90页 |
| 作者和导师简介 | 第90-91页 |
| 硕士研究生学位论文答辩委员会决议书 | 第91-92页 |