首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于BP神经网络的城镇污水厂活性炭自动投加系统的研究

致谢第6-7页
摘要第7-9页
Abstract第9-10页
第一章 绪论第14-35页
    1.1 研究背景及意义第14-15页
    1.2 活性炭吸附工艺的研究概况第15-19页
        1.2.1 活性炭吸附的研究进展第15-17页
        1.2.2 活性炭吸附应用的关键问题第17页
        1.2.3 活性炭投加装置简介第17-18页
        1.2.4 粉末活性炭投加系统设计要点第18-19页
    1.3 水厂投药控制技术的研究现状第19-30页
        1.3.1 人工控制阶段第19-20页
        1.3.2 自动控制阶段第20-27页
        1.3.3 智能控制阶段第27-30页
    1.4 BP神经网络第30-33页
        1.4.1 BP算法的原理第30-32页
        1.4.2 BP神经网络应用进展第32-33页
    1.5 研究目标与内容第33-35页
        1.5.1 研究目标第33页
        1.5.2 研究内容第33-35页
第二章 材料与方法第35-39页
    2.1 实验试剂与仪器第35-36页
        2.1.1 实验试剂第35页
        2.1.2 实验仪器第35-36页
    2.2 实验装置第36-37页
        2.2.1 烧杯试验装置第36页
        2.2.2 粉末活性炭投加飞升实验装置第36-37页
    2.3 水质分析测试方法第37-39页
        2.3.1 pH值的测定第37页
        2.3.2 化学需氧量(COD)的测定第37-39页
第三章 城镇污水厂活性炭吸附深度处理工艺第39-49页
    3.1 城镇污水厂活性炭投加系统概述第39-45页
        3.1.1 活性炭吸附深度处理工艺第39-41页
        3.1.2 活性炭投加系统的组成第41-43页
        3.1.3 活性炭投加系统应用评估第43-45页
    3.2 被控对象的特征第45-46页
        3.2.1 活性炭投加量的影响因素分析第45页
        3.2.2 活性炭投加系统的特点第45-46页
    3.3 粉末活性炭投加自动化控制方案第46-48页
    3.4 小结第48-49页
第四章 活性炭投加系统的前馈控制器设计第49-57页
    4.1 烧杯试验第49-50页
    4.2 基于BP神经网络的前馈控制模型第50-54页
        4.2.1 BP神经网络的设计第50-51页
        4.2.2 BP神经网络的训练第51-53页
        4.2.3 BP神经网络的仿真第53-54页
    4.3 传统数学模型法的设计与仿真第54-55页
    4.4 仿真结果比较第55页
    4.5 小结第55-57页
第五章 活性炭投加系统的反馈控制器设计第57-64页
    5.1 被控对象模型的建立第57-58页
        5.1.1 过程控制的建模方法第57页
        5.1.2 被控对象建模的理论分析第57-58页
    5.2 粉末活性炭投加飞升实验第58-60页
    5.3 PID参数整定第60-63页
    5.4 小结第63-64页
第六章 活性炭自动投加系统仿真及其应用第64-70页
    6.1 BP神经网络-PID复合控制系统仿真第64-65页
    6.2 活性炭自动投加系统的设计及实现第65-67页
        6.2.1 PLC控制系统第65-66页
        6.2.2 WinCC监控组态第66-67页
    6.3 活性炭自动投加系统示范工程第67-69页
        6.3.1 出水水质稳定状况第67-68页
        6.3.2 经济效益状况第68-69页
    6.4 小结第69-70页
第七章 结论与展望第70-72页
    7.1 结论第70-71页
    7.2 展望第71-72页
参考文献第72-80页
个人简历第80页

论文共80页,点击 下载论文
上一篇:生物质炭引起土壤激发效应及其机理
下一篇:黄酮类化合物抑制水华蓝藻生长繁殖的研究