附件 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第一章 绪论 | 第16-23页 |
1.1 水污染现状及研究的意义 | 第16-18页 |
1.2 污水处理工艺的发展概况 | 第18-19页 |
1.3 国内外污水处理研究情况 | 第19-21页 |
1.3.1 污水处理过程生化模型的研究 | 第20-21页 |
1.3.2 污水处理控制方法研究 | 第21页 |
1.4 研究内容和小结 | 第21-23页 |
第二章 污水处理过程仿真平台的搭建 | 第23-41页 |
2.1 引言 | 第23页 |
2.2 活性污泥法简介 | 第23-25页 |
2.3 BSM1 模型简介 | 第25-32页 |
2.3.1 BSM1 模型的结构与参数 | 第25-27页 |
2.3.2 生化反应池部分 | 第27-31页 |
2.3.3 二沉池部分 | 第31-32页 |
2.4 基于 BSM1 的仿真平台 | 第32-41页 |
2.4.1 MATLAB 中的 S 函数 | 第32-35页 |
2.4.2 仿真平台的搭建 | 第35-36页 |
2.4.3 仿真结果与分析 | 第36-41页 |
第三章 污水处理过程的建模与仿真 | 第41-56页 |
3.1 引言 | 第41页 |
3.2 神经网络的发展概况 | 第41-42页 |
3.3 基于 BP 神经网络的建模 | 第42-47页 |
3.3.1 BP 神经网络的结构 | 第42-44页 |
3.3.2 BP 神经网络的学习算法 | 第44-45页 |
3.3.3 基于 BP 网络的模型设计与仿真结果 | 第45-47页 |
3.4 基于 RBF 神经网络的建模 | 第47-50页 |
3.4.1 RBF 神经网络的结构 | 第47-48页 |
3.4.2 RBF 神经网络的算法 | 第48-49页 |
3.4.3 基于 RBF 网络的模型设计与仿真结果 | 第49-50页 |
3.5 基于 Elman 网络的预测模型 | 第50-53页 |
3.5.1 Elman 网络的一般结构 | 第51-52页 |
3.5.2 Elman 网络的学习算法 | 第52页 |
3.5.3 基于 Elman 网络的模型设计与仿真结果 | 第52-53页 |
3.6 仿真结果分析 | 第53-54页 |
3.7 本章小结 | 第54-56页 |
第四章 污水处理中的神经网络控制算法研究 | 第56-77页 |
4.1 引言 | 第56页 |
4.2 污水处理中控制策略的分析 | 第56-58页 |
4.3 污水处理中的溶解氧控制器 | 第58-63页 |
4.3.1 基于 RBF 神经网络的自适应 PID 控制器的结构 | 第58-60页 |
4.3.2 自适应速率因子的设计 | 第60-61页 |
4.3.3 DO 控制器的设计 | 第61-63页 |
4.4 DO 控制器的仿真结果与分析 | 第63-65页 |
4.5 污水处理中的硝态氮控制器 | 第65-71页 |
4.5.1 预测控制的原理 | 第66-67页 |
4.5.2 基于神经网络的预测模型 | 第67页 |
4.5.3 控制作用的计算方法 | 第67-70页 |
4.5.4 NO 控制器的设计 | 第70-71页 |
4.6 NO 控制器的仿真结果与分析 | 第71-73页 |
4.7 污水处理的性能评估 | 第73-77页 |
第五章 污水处理仿真软件的设计 | 第77-92页 |
5.1 引言 | 第77页 |
5.2 BSM1 仿真模拟软件的总体设计 | 第77-80页 |
5.2.1 软件语言的选择 | 第77-78页 |
5.2.2 仿真软件界面和流程设计 | 第78-80页 |
5.3 BSM1 仿真模拟软件的功能模块介绍 | 第80-84页 |
5.3.1 输入模块 | 第80-81页 |
5.3.2 控制策略模块 | 第81-83页 |
5.3.3 输出模块 | 第83-84页 |
5.4 BSM1 仿真模拟软件的操作步骤 | 第84-86页 |
5.4.1 进水数据的选择 | 第84页 |
5.4.2 控制器选择 | 第84页 |
5.4.3 参数设置 | 第84-85页 |
5.4.4 仿真时间设定 | 第85页 |
5.4.5 输出数据的选择 | 第85-86页 |
5.5 仿真测试与结果分析 | 第86-91页 |
5.6 本章小结 | 第91-92页 |
第六章 总结与展望 | 第92-95页 |
6.1 全文总结 | 第92-93页 |
6.2 全文展望 | 第93-95页 |
参考文献 | 第95-99页 |
致谢 | 第99-100页 |
攻读硕士学位期间已发表或录用的论文 | 第100页 |