污水处理过程出水总磷智能预测控制方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 污水处理除磷过程国内外研究现状 | 第13-18页 |
| 1.2.1 出水总磷检测研究现状 | 第13-16页 |
| 1.2.2 出水总磷控制研究现状 | 第16-18页 |
| 1.3 课题来源 | 第18页 |
| 1.4 研究内容及论文安排 | 第18-21页 |
| 第2章 污水处理除磷过程特征分析 | 第21-28页 |
| 2.1 引言 | 第21页 |
| 2.2 ASM2d模型分析 | 第21-25页 |
| 2.2.1 模型特征和组分 | 第22-24页 |
| 2.2.2 除磷动态过程 | 第24-25页 |
| 2.3 生物除磷影响因素 | 第25-27页 |
| 2.3.1 污泥停留时间的影响 | 第25-26页 |
| 2.3.2 PH的影响 | 第26页 |
| 2.3.3 溶解氧浓度的影响 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于模糊神经网络的出水总磷软测量模型设计 | 第28-46页 |
| 3.1 引言 | 第28页 |
| 3.2 出水总磷软测量技术 | 第28-32页 |
| 3.2.1 软测量方法 | 第28-30页 |
| 3.2.2 出水总磷软测量结构设计 | 第30-32页 |
| 3.3 过程数据采集与处理 | 第32-35页 |
| 3.3.1 过程数据采集 | 第32-34页 |
| 3.3.2 数据预处理 | 第34-35页 |
| 3.4 出水总磷相关性变量分析 | 第35-38页 |
| 3.4.1 主成分分析法 | 第36-37页 |
| 3.4.2 出水总磷相关性变量确定 | 第37-38页 |
| 3.5 基于模糊神经网络的出水总磷预测模型 | 第38-40页 |
| 3.5.1 模糊神经网络结构 | 第38-39页 |
| 3.5.2 自适应二阶算法 | 第39-40页 |
| 3.6 实验设计及结果分析 | 第40-45页 |
| 3.6.1 验证实验设计 | 第40-41页 |
| 3.6.2 小试实验结果分析 | 第41-44页 |
| 3.6.3 实际实验结果分析 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 出水总磷预测控制方法研究 | 第46-55页 |
| 4.1 引言 | 第46页 |
| 4.2 控制变量确定 | 第46-47页 |
| 4.3 生物除磷控制设计 | 第47-49页 |
| 4.3.1 控制策略设计 | 第47-48页 |
| 4.3.2 预测控制器设计 | 第48-49页 |
| 4.4 实验结果及结果分析 | 第49-54页 |
| 4.4.1 BSM1-ASM2d模型结果分析 | 第50-51页 |
| 4.4.2 控制实验结果分析 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 出水总磷监控系统设计与实现 | 第55-65页 |
| 5.1 引言 | 第55-56页 |
| 5.2 系统设计需求分析 | 第56-58页 |
| 5.2.1 监控系统功能和性能需求 | 第56-57页 |
| 5.2.2 数据库需求 | 第57页 |
| 5.2.3 开发技术需求 | 第57-58页 |
| 5.3 系统总体方案设计 | 第58-60页 |
| 5.4 功能模块设计与开发 | 第60-64页 |
| 5.4.1 系统管理模块设计与实现 | 第60-61页 |
| 5.4.2 数据分析模块设计与实现 | 第61-63页 |
| 5.4.3 智能监控模块设计与实现 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-75页 |
| 攻读硕士学位期间的成果 | 第75-76页 |
| 攻读硕士学位期间所获奖励 | 第76-77页 |
| 致谢 | 第77页 |
