基于遗传算法优化的RBF神经网络在污水处理中的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景及来源 | 第10-11页 |
| ·课题背景 | 第10页 |
| ·课题来源 | 第10-11页 |
| ·污水处理工艺流程 | 第11-14页 |
| ·污水水质指标 | 第11页 |
| ·活性污泥处理法 | 第11-14页 |
| ·活性污泥法数学模型 | 第14页 |
| ·溶解氧控制的研究现状 | 第14-15页 |
| ·国外溶解氧控制技术 | 第15页 |
| ·国内溶解氧控制技术 | 第15页 |
| ·主要研究内容和本文结构安排 | 第15-17页 |
| 第2章 污水处理厂自动控制系统 | 第17-31页 |
| ·全场控制系统 | 第17-18页 |
| ·中控室 | 第18页 |
| ·现场控制站 | 第18-19页 |
| ·可编程控制器 | 第19-24页 |
| ·Logix 5000编程软件 | 第19-21页 |
| ·粗格栅控制功能实现 | 第21-22页 |
| ·进水泵房的控制 | 第22-23页 |
| ·细格栅和沉砂池控制 | 第23-24页 |
| ·鼓风机房和二沉池控制 | 第24页 |
| ·污泥脱水机房内控制 | 第24页 |
| ·上位机监控系统 | 第24-30页 |
| ·组态软件 | 第24-25页 |
| ·ForceControl简介 | 第25-26页 |
| ·上位机监控系统的功能 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 RBF神经网络预测模型的建立 | 第31-43页 |
| ·传统曝气控制方式 | 第31页 |
| ·精确曝气控制方式 | 第31-34页 |
| ·模糊控制方式 | 第33-34页 |
| ·神经网络控制方式 | 第34页 |
| ·软测量模型 | 第34-38页 |
| ·软测量介绍 | 第34-37页 |
| ·RBF神经网络 | 第37-38页 |
| ·预测溶解氧模型 | 第38-41页 |
| ·数据预处理 | 第39页 |
| ·RBF模型的学习规则 | 第39-41页 |
| ·RBF模型的输出规则 | 第41页 |
| ·RBF的缺点以及存在的问题 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于遗传算法优化的RBF神经网络预测模型 | 第43-50页 |
| ·遗传算法介绍 | 第43-44页 |
| ·遗传算法优化RBF神经网络 | 第44-46页 |
| ·编码 | 第44页 |
| ·适应度函数 | 第44-45页 |
| ·选择 | 第45页 |
| ·交叉 | 第45-46页 |
| ·变异 | 第46页 |
| ·软测量模型仿真结果 | 第46-47页 |
| ·GA优化的RBF模型的仿真结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 精确曝气系统现场实施 | 第50-61页 |
| ·现场控制系统设计方案 | 第50-51页 |
| ·现场控制系统实施调试过程 | 第51-56页 |
| ·自控系统通讯 | 第56-57页 |
| ·实施效果 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 作者攻读硕士学位期间发表的论文 | 第69页 |
