摘要 | 第1-7页 |
Abstract | 第7-12页 |
第一章 绪论 | 第12-27页 |
·研究背景和意义 | 第12-14页 |
·活性污泥法控制方法研究现状 | 第14-27页 |
·活性污泥法及其包含的控制问题 | 第14-15页 |
·活性污泥法的数学模型 | 第15-23页 |
·污水处理系统过程控制的现状 | 第23-27页 |
第二章 活性污泥脱氮除磷过程及其反应模型 | 第27-38页 |
·引言 | 第27页 |
·活性污泥脱氮除磷原理 | 第27-30页 |
·生物脱氮基本原理 | 第27-28页 |
·氨化作用 | 第28页 |
·硝化作用 | 第28-29页 |
·反硝化作用 | 第29-30页 |
·生物除磷基本原理 | 第30-33页 |
·污水处理A2 /O 工艺流程 | 第33页 |
·污水主要水质参数及出水水质标准 | 第33-35页 |
·适合于控制系统设计的简化模型 | 第35-37页 |
·本章小结 | 第37-38页 |
第三章 活性污泥脱氮除磷过程的数据采集 | 第38-71页 |
·引言 | 第38-39页 |
·活性污泥处理过程中的传感器 | 第39-41页 |
·本体/异体检测机制与负向选择算法及其与3σ的结合 | 第41-43页 |
·AR异常值修正模型 | 第43-47页 |
·AR模型 | 第43-44页 |
·AR模型定阶的信息论准则 | 第44-45页 |
·Burg算法 | 第45-47页 |
·数据融合算法 | 第47-51页 |
·基于相关性函数和最小二乘的多传感器数据融合 | 第48-51页 |
·融合方法优劣的评判标准 | 第51页 |
·仿真实验结果 | 第51-70页 |
·异常值检测与修正 | 第51-62页 |
·数据融合的仿真 | 第62-70页 |
·本章小结 | 第70-71页 |
第四章 污水生化处理过程中基于Kalman滤波的采集数据的融合 | 第71-88页 |
·引言 | 第71页 |
·Kalman滤波 | 第71-76页 |
·基本Kalman滤波 | 第71-73页 |
·时变系统的Kalman滤波 | 第73页 |
·带不同观测阵的扩展Kalman滤波(EKF) | 第73-75页 |
·Unscented Kalman滤波(UKF) | 第75-76页 |
·基于Kalman滤波的数据融合 | 第76-78页 |
·带不同观测阵的观测融合Kalman滤波算法 | 第78-84页 |
·集中式观测融合Kalman滤波算法 | 第78页 |
·LS分布式观测融合Kalman滤波算法 | 第78-79页 |
·WLS分布式观测融合Kalman滤波算法 | 第79页 |
·REWLS分布式观测融合Kalman滤波算法 | 第79-80页 |
·融合Kalman滤波器的信息滤波器形式 | 第80-81页 |
·多种融合Kalman滤波器融合算法的比较 | 第81-84页 |
·实验结果 | 第84-87页 |
·本章小结 | 第87-88页 |
第五章 COD等出水指标的预测建模 | 第88-115页 |
·引言 | 第88-90页 |
·神经网络建模方法 | 第90-95页 |
·ASRWNN的结构 | 第90-92页 |
·训练算法 | 第92-95页 |
·出水指标的预测LS-SVM建模方法 | 第95-103页 |
·统计学习理论的基本原理 | 第95-96页 |
·VC维 | 第96页 |
·推广性的界 | 第96-97页 |
·结构风险最小化原理 | 第97页 |
·支持向量机原理 | 第97-99页 |
·出水指标的预测模型 | 第99-103页 |
·改进的免疫优化算法及收敛性分析 | 第103-109页 |
·改进的免疫优化算法 | 第103-106页 |
·改进的免疫优化算法的收敛性证明 | 第106-109页 |
·仿真实验 | 第109-114页 |
·本章小结 | 第114-115页 |
第六章 活性污泥生化过程的节能优化控制 | 第115-125页 |
·引言 | 第115页 |
·性能指标的建立 | 第115-117页 |
·粒子群优化算法的基本概念和原理 | 第117-119页 |
·基本粒子群算法 | 第117-118页 |
·基本粒子群算法的控制参数 | 第118-119页 |
·多变量最优控制算法的描述 | 第119-120页 |
·仿真实验 | 第120-124页 |
·本章小结 | 第124-125页 |
结论 | 第125-128页 |
参考文献 | 第128-139页 |
攻读博士学位期间取得的研究成果 | 第139-141页 |
致谢 | 第141页 |