| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 活性污泥处理工艺及流程概述 | 第11-14页 |
| 1.2.1 活性污泥法污水处理工艺分类 | 第11-12页 |
| 1.2.2 活性污泥法污水处理流程概述 | 第12-14页 |
| 1.3 污水处理过程控制的现状 | 第14-17页 |
| 1.3.1 污水处理中控制的影响因素 | 第14-15页 |
| 1.3.2 污水处理过程控制方法的现状 | 第15-17页 |
| 1.4 课题来源 | 第17-18页 |
| 1.5 论文主要研究内容与结构安排 | 第18-21页 |
| 第2章 污水处理过程模型分析 | 第21-35页 |
| 2.1 活性污泥 1 号模型(ASM1)描述 | 第21-26页 |
| 2.1.1 ASM1 的描述 | 第21-22页 |
| 2.1.2 ASM1 所含的组分 | 第22-23页 |
| 2.1.3 ASM1 的 8 个反应过程 | 第23-24页 |
| 2.1.4 ASM1 的 19 个参数 | 第24-26页 |
| 2.2 BSM1 描述 | 第26-31页 |
| 2.2.1 生化池模型 | 第26-27页 |
| 2.2.2 二沉池模型 | 第27-30页 |
| 2.2.3 性能评价指标 | 第30-31页 |
| 2.3 污水处理过程神经网络模型 | 第31-33页 |
| 2.3.1 数据采集及网络输入输出的确定 | 第31-32页 |
| 2.3.2 模型结构算法的选择和训练检验 | 第32页 |
| 2.3.3 基于神经网络的污水处理过程建模 | 第32-33页 |
| 2.4 小结 | 第33-35页 |
| 第3章 基于 ESN 的污水处理多变量自适应预测控制 | 第35-47页 |
| 3.1 BSM1 平台的实现 | 第35-36页 |
| 3.2 预测控制的原理 | 第36-37页 |
| 3.3 污水处理多变量自适应预测控制 | 第37-42页 |
| 3.3.1 回声状态网络介绍 | 第37-38页 |
| 3.3.2 预测控制器结构描述 | 第38-42页 |
| 3.4 实验结果及分析 | 第42-45页 |
| 3.5 小结 | 第45-47页 |
| 第4章 基于 ESN 设定值优化模型的污水处理优化控制 | 第47-59页 |
| 4.1 优化目标函数的定义及分析 | 第47-49页 |
| 4.2 能耗因子、出水指标以及组分的关系 | 第49-51页 |
| 4.3 基于设定值优化模型的控制系统 | 第51-53页 |
| 4.3.1 优化模型的模型分析 | 第52页 |
| 4.3.2 优化模型的建立 | 第52-53页 |
| 4.4 实验结果及分析 | 第53-56页 |
| 4.5 小结 | 第56-59页 |
| 第5章 基于 ESN 的污水处理过程在线优化控制 | 第59-71页 |
| 5.1 优化算法简介 | 第59-61页 |
| 5.2 优化问题描述 | 第61-62页 |
| 5.3 优化控制系统结构 | 第62-65页 |
| 5.3.1 性能指标预测模型 | 第63-64页 |
| 5.3.2 神经网络优化模型 | 第64-65页 |
| 5.4 仿真结果及分析 | 第65-70页 |
| 5.5 小结 | 第70-71页 |
| 结论与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-79页 |
| 攻读硕士学位期间所获得的研究成果 | 第79-81页 |
| 致谢 | 第81-82页 |