| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·引言 | 第9页 |
| ·污水处理过程的建模及自动控制现状 | 第9-15页 |
| ·城市污水处理工艺简介 | 第10页 |
| ·污水处理过程的软测量建模现状 | 第10-12页 |
| ·污水处理过程溶解氧浓度的控制方法现状 | 第12-15页 |
| ·本文主要工作 | 第15-17页 |
| 第2章 活性污泥法污水处理过程的数学模型及BSM1基准仿真平台 | 第17-29页 |
| ·活性污泥法污水处理系统 | 第17-18页 |
| ·活性污泥系统相关参数 | 第18-21页 |
| ·活性污泥法的重要工艺参数 | 第18-19页 |
| ·活性污泥法的重要水质参数 | 第19-20页 |
| ·污水排放的国家标准 | 第20-21页 |
| ·污水处理过程的生化反应池模型 | 第21-27页 |
| ·活性污泥模型——ASM1 | 第21-24页 |
| ·生化反应池的平衡方程 | 第24-27页 |
| ·BSM1基准仿真平台的实现 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于DEBP算法的模糊神经网络研究 | 第29-46页 |
| ·模糊神经网络及其结构设计 | 第29-31页 |
| ·模糊神经网络及其在控制领域的应用 | 第29-30页 |
| ·模糊神经网络结构设计 | 第30-31页 |
| ·模糊神经网络的学习优化算法 | 第31-34页 |
| ·差分进化算法 | 第31-33页 |
| ·BP算法 | 第33-34页 |
| ·DEBP算法 | 第34-36页 |
| ·仿真实验 | 第36-44页 |
| ·DEBP算法优化能力仿真 | 第36-39页 |
| ·基于DEBP的模糊神经网络控制器仿真 | 第39-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于DEBP算法的模糊神经网络在BOD软测量中的应用 | 第46-56页 |
| ·软测量技术 | 第46-47页 |
| ·样本数据来源和预处理 | 第47-48页 |
| ·样本数据来源 | 第47页 |
| ·数据预处理 | 第47-48页 |
| ·PCA算法及辅助变量的确立 | 第48-51页 |
| ·主元分析的概述 | 第49页 |
| ·主元分析算法 | 第49-50页 |
| ·辅助变量的确立 | 第50-51页 |
| ·模糊神经网络软测量模型 | 第51-52页 |
| ·模糊神经网络模型结构 | 第51页 |
| ·模型的离线训练 | 第51-52页 |
| ·在线校正模型 | 第52页 |
| ·BOD软测量流程 | 第52页 |
| ·实验仿真与结果分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于DEBP算法的模糊神经网络控制器的溶解氧浓度控制 | 第56-67页 |
| ·控制变量的选取 | 第56页 |
| ·模糊神经网络控制器的设计 | 第56-60页 |
| ·FNN控制器的设计 | 第57-58页 |
| ·模糊神经网络的训练算法 | 第58-60页 |
| ·基于BSM1模型的溶解氧浓度控制 | 第60-66页 |
| ·实验结果及分析 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第6章 结论与下一步的研究工作 | 第67-69页 |
| ·结论 | 第67页 |
| ·下一步研究工作 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 作者在攻读硕士学位期间的学术成果 | 第75页 |
