| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容 | 第13-14页 |
| 第二章 自来水处理工艺 | 第14-28页 |
| ·自来水处理工艺 | 第14-17页 |
| ·自来水水质标准 | 第17-18页 |
| ·氯的灭菌原理 | 第18-19页 |
| ·加氯控制 | 第19-22页 |
| ·余氯问题 | 第22-23页 |
| ·余氯控制的影响因素 | 第23-26页 |
| ·氯的副作用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 模糊神经网络 | 第28-45页 |
| ·模糊控制理论 | 第28-36页 |
| ·模糊集 | 第28-29页 |
| ·隶属函数 | 第29-31页 |
| ·模糊逻辑运算与推理 | 第31-33页 |
| ·模糊控制 | 第33-34页 |
| ·模糊控制器 | 第34-36页 |
| ·神经网络 | 第36-41页 |
| ·神经元模型 | 第37-39页 |
| ·神经网络类型 | 第39-41页 |
| ·模糊神经网络 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 模糊神经网络在余氯控制的应用 | 第45-58页 |
| ·引言 | 第45页 |
| ·传统控制方案 | 第45-47页 |
| ·系统的数学模型 | 第47-48页 |
| ·基于模糊神经网络的自来水余氯控制 | 第48-49页 |
| ·构造模糊神经网络 | 第49-55页 |
| ·确定网络结构 | 第49-51页 |
| ·确定输入输出关系 | 第51-52页 |
| ·网络训练与学习 | 第52-55页 |
| ·检验控制效果 | 第55页 |
| ·调整修正控制器 | 第55页 |
| ·仿真研究 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于 ANFIS 控制器的设计 | 第58-70页 |
| ·引言 | 第58页 |
| ·T-S 模型 | 第58-59页 |
| ·基于 T-S 模型 ANFIS 模糊神经网络结构 | 第59-61页 |
| ·ANFIS 学习算法 | 第61-63页 |
| ·反向传播算法 | 第61-62页 |
| ·最小二乘算法 | 第62-63页 |
| ·综合学习算法 | 第63页 |
| ·ANFIS 控制器设计 | 第63-64页 |
| ·仿真研究 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |