| 摘要 | 第4-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-29页 |
| 1.1 课题的研究背景及意义 | 第13-15页 |
| 1.2 污水处理过程国内外研究现状 | 第15-18页 |
| 1.2.1 污水处理过程控制方法研究现状 | 第15-17页 |
| 1.2.2 污水处理过程优化研究现状 | 第17-18页 |
| 1.3 实时优化控制国内外研究现状 | 第18-24页 |
| 1.3.1 实时优化控制研究现状 | 第18-20页 |
| 1.3.2 人工神经网络及其控制方法研究现状 | 第20-23页 |
| 1.3.3 非线性规划优化方法研究现状 | 第23-24页 |
| 1.4 论文的主要研究内容及创新点 | 第24-27页 |
| 1.4.1 论文的主要研究内容 | 第24-26页 |
| 1.4.2 论文的主要创新点 | 第26-27页 |
| 1.5 论文的主要架构 | 第27-29页 |
| 第2章 污水处理特性分析与控制性能测试平台 | 第29-49页 |
| 2.1 引言 | 第29页 |
| 2.2 前置反硝化污水处理工艺 | 第29-34页 |
| 2.2.1 工艺简介及布局结构 | 第29-31页 |
| 2.2.2 进水及特点分析 | 第31-34页 |
| 2.3 污水处理基准模型 BSM1 | 第34-45页 |
| 2.3.1 生化反应池特点分析 | 第34-39页 |
| 2.3.2 二沉池反映特点分析 | 第39-41页 |
| 2.3.3 BSM1 评价准则 | 第41-44页 |
| 2.3.4 BSM1 仿真平台测试 | 第44-45页 |
| 2.4 污水处理过程实时优化控制方案 | 第45-47页 |
| 2.4.1 实时优化控制 | 第45-46页 |
| 2.4.2 实时优化层 | 第46页 |
| 2.4.3 跟踪控制层 | 第46-47页 |
| 2.5 本章小结 | 第47-49页 |
| 第3章 污水处理过程溶解氧浓度单变量在线控制 | 第49-75页 |
| 3.1 引言 | 第49页 |
| 3.2 前馈神经网络 | 第49-52页 |
| 3.2.1 前馈神经网络模型 | 第49-50页 |
| 3.2.2 反向传播学习算法 | 第50-52页 |
| 3.3 溶解氧浓度的 NNOMC 在线控制策略 | 第52-55页 |
| 3.3.1 溶解氧浓度控制的重要性 | 第52页 |
| 3.3.2 溶解氧浓度的 NNOMC 方法 | 第52-54页 |
| 3.3.2.1 溶解氧浓度控制的黑箱问题 | 第52-53页 |
| 3.3.2.2 建模神经网络设计 | 第53-54页 |
| 3.3.3 神经网络控制器设计 | 第54-55页 |
| 3.4 单变量 NNOMC 控制系统稳定性分析 | 第55-62页 |
| 3.4.1 神经网络参数设置对 NNOMC 方法的影响 | 第55-59页 |
| 3.4.1.1 学习率设置对 NNOMC 方法的影响 | 第55-57页 |
| 3.4.1.2 隐含层神经元个数设置对 NNOMC 方法的影响 | 第57-59页 |
| 3.4.2 单变量 NNOMC 控制系统稳定性分析 | 第59-62页 |
| 3.5 污水处理过程溶解氧浓度控制实验 | 第62-73页 |
| 3.5.1 溶解氧浓度跟踪控制实验 | 第62-72页 |
| 3.5.2 溶解氧浓度阶跃控制实验 | 第72-73页 |
| 3.6 本章小结 | 第73-75页 |
| 第4章 污水处理过程多变量 NNOMC 控制 | 第75-105页 |
| 4.1 引言 | 第75页 |
| 4.2 污水处理过程多变量控制问题 | 第75-86页 |
| 4.2.1 多变量非线性离散系统的控制问题 | 第75-76页 |
| 4.2.2 污水处理过程控制量的选择分析 | 第76-84页 |
| 4.2.3 污水处理过程多变量耦合分析 | 第84-86页 |
| 4.3 多变量系统的 NNOMC 方法 | 第86-90页 |
| 4.3.1 多变量系统在线建模神经网络设计 | 第88-89页 |
| 4.3.2 多变量系统前馈神经网络控制器设计 | 第89-90页 |
| 4.4 多变量 NNOMC 控制系统稳定性分析 | 第90-93页 |
| 4.5 污水处理过程多变量 NNOMC 控制实验 | 第93-104页 |
| 4.5.1 实验设计 | 第93-94页 |
| 4.5.2 污水处理过程 NNOMC 控制仿真实验 | 第94-101页 |
| 4.5.3 污水处理过程解耦效果分析 | 第101-104页 |
| 4.6 本章小结 | 第104-105页 |
| 第5章 污水处理过程 NNALM 优化方法 | 第105-132页 |
| 5.1 引言 | 第105页 |
| 5.2 污水处理过程约束优化问题 | 第105-108页 |
| 5.2.1 约束优化问题 | 第105-106页 |
| 5.2.2 污水处理过程约束优化问题的构建 | 第106-108页 |
| 5.2.3 污水处理约束优化问题中的黑箱问题 | 第108页 |
| 5.3 增广拉格朗日乘子法 | 第108-117页 |
| 5.3.1 拉格朗日乘子法 | 第108-110页 |
| 5.3.2 增广拉格朗日乘子法 | 第110-114页 |
| 5.3.3 仿真实验及分析 | 第114-117页 |
| 5.4 NNALM 方法设计 | 第117-124页 |
| 5.4.1 目标函数的前馈神经网络在线建模 | 第118-120页 |
| 5.4.2 约束条件的前馈神经网络在线建模 | 第120-121页 |
| 5.4.3 基于前馈神经网络的增广拉格朗日乘子法 | 第121-124页 |
| 5.5 NNALM 算法收敛性分析 | 第124-126页 |
| 5.6 基于 NNALM 的污水处理过程优化实验 | 第126-130页 |
| 5.6.1 实验设计 | 第126-127页 |
| 5.6.2 基于 NNALM 的污水处理过程优化实验及分析 | 第127-130页 |
| 5.7 本章小结 | 第130-132页 |
| 第6章 污水处理过程实时优化控制 | 第132-150页 |
| 6.1 引言 | 第132页 |
| 6.2 污水处理过程实时优化控制结构 | 第132-135页 |
| 6.2.1 实时优化层结构及分析 | 第133-134页 |
| 6.2.2 跟踪控制层结构及分析 | 第134-135页 |
| 6.3 污水处理过程实时优化控制仿真实验及分析 | 第135-149页 |
| 6.3.1 实验设计 | 第135-138页 |
| 6.3.1.1 实时优化层实验参数设计 | 第135-138页 |
| 6.3.1.2 跟踪控制层实验参数设计 | 第138页 |
| 6.3.2 实验结果及分析 | 第138-149页 |
| 6.4 本章小结 | 第149-150页 |
| 结论及展望 | 第150-152页 |
| 参考文献 | 第152-162页 |
| 攻读博士学位期间的成果 | 第162页 |
| 攻读博士学位期间所获奖励 | 第162-163页 |
| 攻读博士学位期间参与的科研项目 | 第163页 |
| 攻读博士期间参加的学术会议 | 第163-164页 |
| 致谢 | 第164页 |
