| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-22页 |
| ·本课题的研究背景及意义 | 第13-14页 |
| ·软测量技术在废水处理中的应用现状 | 第14-20页 |
| ·神经网络模型在废水处理软测量中的应用 | 第15-17页 |
| ·遗传神经网络模型在废水处理软测量中的应用 | 第17-19页 |
| ·模糊神经网络模型在废水处理软测量中的应用 | 第19-20页 |
| ·本论文的研究内容及技术路线 | 第20-22页 |
| ·本论文的研究内容 | 第20-21页 |
| ·本论文的技术路线 | 第21-22页 |
| 第二章 实验室造纸废水处理自动控制系统的设计 | 第22-34页 |
| ·造纸废水 A~2/O 处理系统 | 第22-24页 |
| ·A~2/O 工艺原理及特点 | 第22-23页 |
| ·造纸废水 A~2/O 处理系统简介 | 第23-24页 |
| ·造纸废水处理自动控制系统硬件构架 | 第24-28页 |
| ·造纸废水处理自动控制系统的硬件构成 | 第24-25页 |
| ·造纸废水处理自动控制系统的设备配置 | 第25-28页 |
| ·造纸废水处理自动控制系统软件构架 | 第28-33页 |
| ·STEP7-Micro/WIN32 编程软件 | 第28-29页 |
| ·MCGS 软件的组态 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于神经网络和遗传神经网络的出水水质软测量研究 | 第34-59页 |
| ·神经网络理论 | 第34-37页 |
| ·BP 神经网络结构 | 第35页 |
| ·BP 算法的数学描述 | 第35-37页 |
| ·神经网络软测量模型的构建和优化 | 第37-45页 |
| ·数据的获取 | 第37-38页 |
| ·BP 神经网络结构和训练算法的确定 | 第38-42页 |
| ·遗传算法对 BP 神经网络的优化 | 第42-44页 |
| ·软测量模型性能评价指标 | 第44-45页 |
| ·A~2/O 出水 COD 的软测量 | 第45-51页 |
| ·出水 COD 神经网络软测量模型结构和算法的确定 | 第45-48页 |
| ·出水 COD 神经网络软测量模型 | 第48-49页 |
| ·出水 COD 遗传神经网络软测量模型 | 第49-51页 |
| ·A~2/O 出水氨氮的软测量 | 第51-57页 |
| ·出水氨氮的神经网络软测量模型结构和算法的确定 | 第51-54页 |
| ·出水氨氮神经网络软测量模型 | 第54-55页 |
| ·出水氨氮遗传神经网络软测量模型 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第四章 基于自适应模糊神经网络的出水水质软测量模型研究 | 第59-76页 |
| ·软测量模型结构及算法的确定 | 第59-66页 |
| ·数据的获取与预处理 | 第59-60页 |
| ·自适应模糊聚类算法 | 第60-62页 |
| ·自适应模糊神经网络的结构及算法 | 第62-64页 |
| ·自适应模糊神经网络软测量模型结构和参数的确定 | 第64-66页 |
| ·A~2/O 出水 COD 的软测量 | 第66-71页 |
| ·出水 COD 自适应模糊神经网络软测量模型 | 第66-69页 |
| ·出水 COD 遗传神经网络软测量模型 | 第69-70页 |
| ·软测量模型分析比较 | 第70-71页 |
| ·A~2/O 出水氨氮的软测量 | 第71-75页 |
| ·出水氨氮自适应模糊神经网络软测量模型 | 第71-73页 |
| ·出水氨氮遗传神经网络软测量模型 | 第73-74页 |
| ·软测量模型分析比较 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 基于自适应模糊神经网络软测量模型的溶解氧智能优化控制系统 | 第76-90页 |
| ·溶解氧控制方案 | 第76-77页 |
| ·造纸废水处理出水 COD 预测模型 | 第77-82页 |
| ·样本数据的获取 | 第77-78页 |
| ·样本数据的预处理 | 第78-80页 |
| ·预测模型的构建及仿真 | 第80-82页 |
| ·造纸废水处理溶解氧控制模型 | 第82-85页 |
| ·溶解氧控制数学模型 | 第82页 |
| ·溶解氧模糊控制器的构建 | 第82-85页 |
| ·MCGS 下实现溶解氧的智能优化控制 | 第85-87页 |
| ·MCGS 与 MATLAB 数据通信的实现 | 第85-87页 |
| ·MGCS 运行环境 | 第87页 |
| ·控制效果分析 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 结论与展望 | 第90-93页 |
| 参考文献 | 第93-100页 |
| 攻读硕士学位期间取得的研究成果 | 第100-101页 |
| 致谢 | 第101-102页 |
| 附件 | 第102页 |
