| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·课题来源及背景 | 第8-9页 |
| ·课题来源 | 第8页 |
| ·课题背景 | 第8-9页 |
| ·生物流化床及其控制方法研究状况 | 第9-11页 |
| ·生物流化床工作原理 | 第9页 |
| ·生物流化床特性 | 第9-10页 |
| ·生物流化床研究状况 | 第10-11页 |
| ·智能控制方法 | 第11-14页 |
| ·自适应控制 | 第11-12页 |
| ·模糊控制 | 第12-13页 |
| ·神经网络控制 | 第13页 |
| ·专家控制 | 第13-14页 |
| ·课题研究目的及意义 | 第14-15页 |
| ·课题研究的内容及方案 | 第15-17页 |
| ·课题研究的内容 | 第15页 |
| ·课题研究的方案 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 基于过程神经网络的BOD_5软测量模型 | 第17-31页 |
| ·软测量建模 | 第17页 |
| ·过程神经网络 | 第17-19页 |
| ·过程神元的定义 | 第17-18页 |
| ·过程神经网络的基本模型 | 第18-19页 |
| ·过程神经网络在软测量建模中的应用 | 第19页 |
| ·遗传算法及其在控制、测量方面的应用 | 第19-20页 |
| ·基于遗传算法改进的过程神经网络BOD_5 软测量模型 | 第20-29页 |
| ·污水处理中软测量的必要性 | 第20-21页 |
| ·软测量模型变量的选取 | 第21-22页 |
| ·过程神经网络结构的确定 | 第22页 |
| ·基于遗传算法训练速率寻优的改进算法 | 第22-25页 |
| ·过程神经网络BOD_5 软测量模型的实现 | 第25-27页 |
| ·实验分析 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 基于遗传算法改进的T-S 模糊控制及在生物流化床的应用 | 第31-42页 |
| ·T-S 模糊控制 | 第31-32页 |
| ·T-S 模糊控制的理论基础 | 第31-32页 |
| ·T-S 模糊控制的基本特点 | 第32页 |
| ·分层模糊控制 | 第32-35页 |
| ·模糊控制的变量选取 | 第32-33页 |
| ·分层模糊控制方案 | 第33-35页 |
| ·遗传算法改进T-S 模糊自适应控制方法 | 第35-41页 |
| ·基于遗传算法改进的T-S 模糊自适应控制 | 第35-38页 |
| ·模糊预估模块的设计 | 第38-39页 |
| ·实验分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于DRNN 网络辨识的自整定PID 解耦控制及在生物流化床的应用 | 第42-52页 |
| ·PID 参数整定方法 | 第42-44页 |
| ·基于模型的PID 参数整定方法 | 第42-43页 |
| ·基于规则的PID 参数整定方法 | 第43-44页 |
| ·基于DRNN 辨识的自整定PID 解耦控制算法 | 第44-49页 |
| ·网络辨识器结构 | 第44-45页 |
| ·DRNN 网络权值修正算法 | 第45-47页 |
| ·控制器PID 参数修正算法 | 第47-48页 |
| ·PID 参数修正率计算算法 | 第48-49页 |
| ·控制器输出算法 | 第49页 |
| ·算法验证 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 生物流化床污水处理监控系统设计与实现 | 第52-60页 |
| ·生物流化床污水处理监控系统设计 | 第52-54页 |
| ·基于西门子S7-200PLC 的下位机程序控制 | 第54-56页 |
| ·下位机接口设计 | 第54-55页 |
| ·下位机软件设计 | 第55-56页 |
| ·基于Webaccess 和Flash 交互制作实现的上位机监控 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 在学期间发表的学术论文及研究成果 | 第65-66页 |
| 致谢 | 第66页 |
