A/O废水处理系统中回流比的模糊神经网络智能控制研究
摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第一章 绪论 | 第12-20页 |
·本课题的研究背景及意义 | 第12-13页 |
·污水处理过程的自动控制现状 | 第13-18页 |
·废水处理模糊控制系统 | 第14-15页 |
·废水处理神经控制系统 | 第15-16页 |
·废水处理专家控制系统 | 第16-17页 |
·废水处理综合智能控制系统 | 第17页 |
·废水处理智能控制的发展前景 | 第17-18页 |
·回流比控制的必要性 | 第18页 |
·本课题的来源和研究内容 | 第18-20页 |
第二章 模糊神经网络模型理论 | 第20-41页 |
·神经网络模型 | 第20-25页 |
·神经网络模型概述 | 第20-21页 |
·人工神经元模型 | 第21页 |
·神经网络的学习方式 | 第21-23页 |
·BP网络的基本结构与学习规则 | 第23-25页 |
·模糊控制的理论分析 | 第25-30页 |
·确定模糊控制的输入变量和输出变量 | 第26页 |
·确定量的模糊化 | 第26-29页 |
·模糊控制器的控制规则 | 第29-30页 |
·输出信息的模糊判决 | 第30页 |
·模糊系统和神经网络的比较 | 第30-31页 |
·模糊神经网络理论分析 | 第31-40页 |
·模糊系统和神经网络的结合 | 第32-34页 |
·模糊神经网络模型结构 | 第34-38页 |
·模型参数学习算法 | 第38页 |
·模糊神经网络的辨识 | 第38-40页 |
·本章小结 | 第40-41页 |
第三章 实验室A/O废水处理自动控制系统的设计 | 第41-57页 |
·A/O废水处理系统的简介 | 第41-43页 |
·A/O工艺废水处理系统 | 第41页 |
·A/O工艺原理及特点 | 第41-42页 |
·试验材料与方法 | 第42-43页 |
·搭建造纸废水处理自动控制系统 | 第43-49页 |
·自动控制系统的构成 | 第43-45页 |
·废水自动控制系统的执行机构 | 第45-49页 |
·PLC控制程序设计及MCGS组态 | 第49-55页 |
·STEP7-Micro/WIN32 编程软件 | 第49页 |
·PLC控制程序的设计 | 第49-51页 |
·MCGS软件的组态 | 第51-55页 |
·本章小结 | 第55-57页 |
第四章 基于模糊神经网络的回流比控制模型的设计 | 第57-90页 |
·回流比控制方案 | 第57-58页 |
·TOC与CODCr的关系建立 | 第58-62页 |
·TOC与CODCr关系的概述 | 第58页 |
·实验室废水处理系统 | 第58-59页 |
·样品测定结果 | 第59页 |
·TOC与CODCr的关系 | 第59-62页 |
·试验的样本数据 | 第62-71页 |
·样本数据的要求 | 第62-63页 |
·最优设定值确定 | 第63-66页 |
·样本数据的获取 | 第66-68页 |
·样本数据的预处理与分析 | 第68-71页 |
·废水处理预测模型 | 第71-80页 |
·预测数学模型 | 第71-72页 |
·预测模型结构辨识 | 第72-74页 |
·预测模型的参数辨识及仿真 | 第74-80页 |
·基于BP网络的预测模型 | 第80-83页 |
·BP网络结构的确定 | 第80-82页 |
·BP网络预测模型性能分析 | 第82-83页 |
·ANFIS与BP网络模型的对比 | 第83-84页 |
·废水处理回流比控制模型 | 第84-89页 |
·控制数学模型 | 第84页 |
·控制模型的结构辨识 | 第84-86页 |
·控制模型的参数辨识及仿真分析 | 第86-89页 |
·本章小结 | 第89-90页 |
第五章 造纸废水处理智能控制的实现及控制效果分析 | 第90-97页 |
·MCGS下实现神经网络智能控制 | 第90-95页 |
·MCGS下策略构件的实现方法 | 第90页 |
·MCGS下开发策略构件的接口函数 | 第90-91页 |
·MCGS下开发模糊神经网络控制算法策略构件 | 第91-94页 |
·MGCS运行环境 | 第94-95页 |
·控制效果分析 | 第95页 |
·本章小结 | 第95-97页 |
结论与展望 | 第97-99页 |
参考文献 | 第99-105页 |
攻读硕士学位期间发表的学术论文 | 第105-106页 |
致谢 | 第106-107页 |
附件 | 第107页 |