| 学位论文主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 膜生物反应器概述 | 第8-15页 |
| 1.1.1 膜生物反应器的研究现状 | 第8-10页 |
| 1.1.2 膜生物反应器的原理 | 第10-12页 |
| 1.1.2.1 微生物过程 | 第11页 |
| 1.1.2.2 膜传质过程 | 第11页 |
| 1.1.2.3 浓差极化现象 | 第11-12页 |
| 1.1.3 膜生物反应器的分类和特点 | 第12-14页 |
| 1.1.4 膜生物反应器的优点及存在的问题 | 第14-15页 |
| 1.2 课题研究条件 | 第15-16页 |
| 1.3 研究内容、目的和意义 | 第16-17页 |
| 1.3.1 本文研究内容 | 第16页 |
| 1.3.2 研究目的和意义 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第二章 MBR膜污染机理研究 | 第18-26页 |
| 2.1 膜污染的形成 | 第18-19页 |
| 2.2 膜污染的分类 | 第19页 |
| 2.3 影响膜污染的因素 | 第19-21页 |
| 2.3.1 膜自身性质的影响 | 第19-20页 |
| 2.3.2 料液特性的影响 | 第20页 |
| 2.3.3 污泥混合液组分的影响 | 第20-21页 |
| 2.3.4 操作条件的影响 | 第21页 |
| 2.4 膜污染的控制 | 第21-23页 |
| 2.4.1 膜污染防控方法 | 第21-22页 |
| 2.4.2 膜清洗方法 | 第22-23页 |
| 2.5 膜污染的研究现状 | 第23-24页 |
| 2.6 本章小节 | 第24-26页 |
| 第三章 基于模糊推理的MBR预测模型 | 第26-38页 |
| 3.1 模糊推理概述 | 第26-32页 |
| 3.1.1 模糊推理系统简介 | 第26-27页 |
| 3.1.2 模糊集合 | 第27-28页 |
| 3.1.3 模糊集合上的运算 | 第28-29页 |
| 3.1.4 模糊规则库 | 第29-31页 |
| 3.1.4.1 模糊规则与模糊规则库 | 第29-30页 |
| 3.1.4.2 模糊规则库的一致性 | 第30页 |
| 3.1.4.3 模糊规则库的完备性 | 第30-31页 |
| 3.1.5 解模糊化 | 第31-32页 |
| 3.2 MBR的模糊推理模型的建立 | 第32-35页 |
| 3.2.1 PCA方法进行模型输入参数选取 | 第32-33页 |
| 3.2.2 确定输入向量的隶属函数 | 第33-35页 |
| 3.3 在MATLAB环境下进行模拟仿真 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 应用实时学习算法优化MBR膜污染预测模型参数 | 第38-48页 |
| 4.1 用梯度下降法优化系统参数 | 第38-43页 |
| 4.1.1 将冗余模糊规则进行修剪 | 第39-41页 |
| 4.1.2 系统参数优化 | 第41-43页 |
| 4.2 改进的基于梯度的实时学习算法 | 第43-44页 |
| 4.3 改进的基于梯度的实时学习算法对于MBR仿真模型的预测 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 应用自适应方法优化MBR膜污染模型结构 | 第48-60页 |
| 5.1 基于Mamdani系统的函数逼近 | 第48-52页 |
| 5.1.1 Mamdani模糊推理系统 | 第48页 |
| 5.1.2 简化Mamdani模糊推理系统 | 第48-49页 |
| 5.1.3 基于Mamdani模糊推理系统的函数逼近 | 第49-52页 |
| 5.2 基于归一化方差信息的自适应方法 | 第52-58页 |
| 5.2.1 基于改进的基于梯度的实时学习算法的参数优化 | 第52-55页 |
| 5.2.2 确定合适的隶属函数配置以及对输入变量进行评价 | 第55-58页 |
| 5.3 仿真结果分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 发表论文及科研情况 | 第66-68页 |
| 致谢 | 第68页 |
