基于神经网络的水厂投药预测控制研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景及意义 | 第10-11页 |
| ·混凝投药智能控制的发展现状 | 第11-13页 |
| ·模糊控制方法 | 第11页 |
| ·神经网络控制方法 | 第11-12页 |
| ·实时专家系统控制方法 | 第12页 |
| ·预测控制技术在投药控制中的应用 | 第12-13页 |
| ·预测控制发展现状 | 第13-16页 |
| ·非线性预测控制 | 第13-14页 |
| ·模型预测控制 | 第14-15页 |
| ·智能预测控制 | 第15-16页 |
| ·本文主要研究内容 | 第16-17页 |
| 第2章 混凝投药控制系统的方案 | 第17-26页 |
| ·净水厂水处理过程概述 | 第17页 |
| ·被控对象的特征 | 第17-18页 |
| ·影响混凝效果的水质因素 | 第17-18页 |
| ·混凝投药过程的主要特点 | 第18页 |
| ·控制方案选取 | 第18-20页 |
| ·技术平台选择 | 第20-22页 |
| ·LonWorks 技术简介 | 第22-25页 |
| ·神经元芯片 | 第22-24页 |
| ·Neuron C 编程语言 | 第24页 |
| ·网络通信协议 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 混凝投药系统模型的建立 | 第26-42页 |
| ·飞升曲线法辨识受控对象模型 | 第26-30页 |
| ·矾耗飞升实验 | 第26-28页 |
| ·混凝投药过程模型辨识 | 第28-30页 |
| ·流量飞升实验 | 第30页 |
| ·BP 网络建立系统预测模型 | 第30-35页 |
| ·BP 网络的结构和学习规则 | 第31-32页 |
| ·基于BP 网络单步模型辨识 | 第32-35页 |
| ·BP 网络的不足 | 第35页 |
| ·RBF 网络建立系统预测模型 | 第35-41页 |
| ·RBF 网络的原理 | 第36-37页 |
| ·基于RBF 网络单步模型辨识 | 第37-39页 |
| ·基于RBF 网络多步模型辨识 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 投药系统控制器设计及系统仿真 | 第42-51页 |
| ·前馈控制器设计 | 第42-43页 |
| ·反馈控制器设计 | 第43-45页 |
| ·基于预测偏差的控制算法 | 第43-44页 |
| ·黄金分割法求解控制率 | 第44-45页 |
| ·投药控制系统的特性分析 | 第45-47页 |
| ·系统的稳定性 | 第45-47页 |
| ·系统的零稳态偏差特性 | 第47页 |
| ·混凝投药控制系统仿真 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 混凝投药控制节点的设计 | 第51-70页 |
| ·概述 | 第51页 |
| ·投药控制节点的硬件设计 | 第51-60页 |
| ·控制模块设计 | 第53-57页 |
| ·模拟量输入电路 | 第57-58页 |
| ·模拟量输出电路 | 第58-60页 |
| ·投药控制节点的软件设计 | 第60-65页 |
| ·模拟输入程序 | 第61-62页 |
| ·模拟输出程序 | 第62-63页 |
| ·RBF 网络模型的实现 | 第63页 |
| ·预测控制算法程序 | 第63-64页 |
| ·节点调试程序 | 第64-65页 |
| ·实验结果 | 第65-67页 |
| ·后续问题的展望 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-77页 |
| 攻读学位期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79-80页 |
| 简历 | 第80页 |
