| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究的背景及意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 煤泥水处理的意义 | 第13-14页 |
| 1.1.3 浓缩机絮凝剂与压滤机助滤剂协同添加意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 煤泥水处理药剂添加控制系统现状 | 第15-17页 |
| 1.2.2 浓缩与压滤过程模型研究现状 | 第17-18页 |
| 1.2.3 协同优化控制研究现状 | 第18-19页 |
| 1.3 研究内容 | 第19-22页 |
| 第二章 煤泥水处理工艺及影响因素分析 | 第22-32页 |
| 2.1 煤泥水处理工艺流程 | 第22-23页 |
| 2.2 煤泥水原有药剂添加系统 | 第23-27页 |
| 2.2.1 原有浓缩机絮凝剂添加系统 | 第23-24页 |
| 2.2.2 原有压滤机助滤剂添加系统 | 第24-26页 |
| 2.2.3 原有药剂添加系统的特征 | 第26-27页 |
| 2.3 药剂添加量影响因素分析 | 第27-29页 |
| 2.4 药剂协同添加策略分析 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于BP人工神经网络的加药量预测模型 | 第32-46页 |
| 3.1 BP人工神经网络的原理及算法 | 第32-37页 |
| 3.1.1 BP人工神经网络的原理 | 第32-33页 |
| 3.1.2 BP神经网络的算法 | 第33-37页 |
| 3.2 药剂添加量预测模型结构 | 第37-38页 |
| 3.3 利用Matlab对BP神经网络模型的建立 | 第38-44页 |
| 3.3.1 建模数据 | 第38-40页 |
| 3.3.2 利用Matlab对加药量模型的建立 | 第40-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 利用ASPO算法求解最优药剂协同添加量 | 第46-64页 |
| 4.1 药剂最优化问题模型的确立 | 第46-48页 |
| 4.1.1 药剂协同添加量最优化模型 | 第46-47页 |
| 4.1.2 药剂量优化模型约束条件的确定 | 第47-48页 |
| 4.2 优化算法的选定 | 第48-50页 |
| 4.3 自适应粒子群算法（APSO）算法分析 | 第50-55页 |
| 4.3.1 基本粒子群算法分析 | 第50-53页 |
| 4.3.2 自适应粒子群算法分析 | 第53-55页 |
| 4.4 APSO算法的Fitness函数及参数设置 | 第55-57页 |
| 4.4.1 Fitness函数的确定 | 第55-56页 |
| 4.4.2 APSO参数的设置 | 第56-57页 |
| 4.5 APSO算法的MATLAB实现 | 第57-61页 |
| 4.5.1 APSO算法程序设计 | 第57-59页 |
| 4.5.2 APSO算法的运行 | 第59-61页 |
| 4.6 利用Simunlink实现算法的在线优化 | 第61-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第五章 药剂添加协同控制系统的实现及运行效果 | 第64-86页 |
| 5.1 药剂添加协同控制系统架构设计 | 第64-66页 |
| 5.2 系统硬件部分介绍 | 第66-73页 |
| 5.2.1 系统控制器的介绍及选型 | 第67-68页 |
| 5.2.2 工业交换机的介绍及选型 | 第68-69页 |
| 5.2.3 传感器的介绍及选型 | 第69-72页 |
| 5.2.4 上位机介绍及选型 | 第72-73页 |
| 5.3 系统内通讯设计 | 第73-75页 |
| 5.4 系统组态画面 | 第75-78页 |
| 5.5 系统功能 | 第78-80页 |
| 5.6 系统应用效果分析 | 第80-84页 |
| 5.7 本章小结 | 第84-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86-87页 |
| 6.2 展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-94页 |
| 攻读硕士学位期间发表的论文 | 第94页 |