| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题的研究背景 | 第9-10页 |
| ·神经网络的发展与现状 | 第10页 |
| ·污水处理控制的研究现状及存在的问题 | 第10-12页 |
| ·课题的研究意义 | 第12页 |
| ·课题来源及预期研究结果 | 第12-13页 |
| ·研究内容及论文结构 | 第13-14页 |
| 第2章 活性污泥污水处理法及常规控制方法 | 第14-20页 |
| ·活性污泥法的提出与发展 | 第14页 |
| ·活性污泥处理系统 | 第14-15页 |
| ·活性污泥净化过程 | 第15-17页 |
| ·初期吸附去除 | 第16页 |
| ·微生物的生长 | 第16页 |
| ·氧气传递 | 第16-17页 |
| ·微生物的代谢 | 第17页 |
| ·污水处理系统常规控制方法 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 神经网络控制与遗传算法 | 第20-30页 |
| ·神经网络简介 | 第20页 |
| ·径向基函数(RBF)网络 | 第20-23页 |
| ·RBF 网络的结构 | 第21-22页 |
| ·RBF 神经网络的学习算法 | 第22-23页 |
| ·误差反传(BP)网络 | 第23-27页 |
| ·BP 神经元模型 | 第24-25页 |
| ·BP 学习算法 | 第25-27页 |
| ·遗传算法(GA) | 第27-29页 |
| ·遗传算法的基本思想 | 第28页 |
| ·遗传算法的运算过程 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 神经网络在污水处理软测量建模中的应用 | 第30-53页 |
| ·引言 | 第30-31页 |
| ·软测量技术 | 第31-32页 |
| ·污水处理中控制对象的选择 | 第32-33页 |
| ·基于BP 神经网络的污水处理软测量模型 | 第33-38页 |
| ·BP 神经网络污水指标软测量模型的建立 | 第33-35页 |
| ·仿真研究 | 第35-37页 |
| ·BP 网络模型分析 | 第37-38页 |
| ·基于Elman 神经网络的污水处理软测量模型 | 第38-43页 |
| ·Elman 神经网络污水处理软测量模型的建立 | 第38-40页 |
| ·仿真研究 | 第40-42页 |
| ·Elman 网络模型分析 | 第42-43页 |
| ·基于GA-Elman 神经网络的污水处理软测量模型 | 第43-52页 |
| ·神经网络与GA 结合的必要性 | 第43-45页 |
| ·GA 与Elman 神经网络的结合 | 第45页 |
| ·GA 参数的选择 | 第45-48页 |
| ·GA 优化Elman 神经网络的步骤 | 第48-49页 |
| ·仿真研究 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 NNMRAC 污水处理系统设计 | 第53-65页 |
| ·引言 | 第53页 |
| ·神经网络模型参考自适应控制(NNMRAC) | 第53-55页 |
| ·污水处理系统 | 第55-57页 |
| ·控制对象的选择 | 第55-56页 |
| ·控制思想与控制要求 | 第56-57页 |
| ·NNMRAC 污水处理控制系统的设计 | 第57-64页 |
| ·RBF 神经网络控制器 | 第58-59页 |
| ·RBF 神经网络控制器学习算法 | 第59-60页 |
| ·GA 优化RBF 神经网络控制器 | 第60-61页 |
| ·Elman 神经网络辨识器 | 第61-63页 |
| ·GA 优化Elman 神经网络辨识器 | 第63页 |
| ·仿真研究 | 第63-64页 |
| ·NNMRAC 系统性能分析 | 第64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |