| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题的背景及研究意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 活性污泥法工艺概述 | 第12-13页 |
| 1.3 污水处理过程控制的现状分析 | 第13-19页 |
| 1.3.1 污水处理过程控制的影响因素 | 第13-14页 |
| 1.3.2 污水处理过程控制方法研究现状 | 第14-19页 |
| 1.4 课题来源 | 第19页 |
| 1.5 论文主要研究内容与结构安排 | 第19-22页 |
| 第2章 污水处理过程特性分析及BSM1基准仿真平台 | 第22-40页 |
| 2.1 活性污泥法1号模型ASM1 | 第22-28页 |
| 2.1.1 ASM1机理模型中污水组分 | 第23-24页 |
| 2.1.2 ASM1机理模型参数 | 第24-25页 |
| 2.1.3 ASM1机理模型反应过程 | 第25-27页 |
| 2.1.4 ASM1各组分的表观反应速率 | 第27-28页 |
| 2.2 BSM1基准仿真模型 | 第28-36页 |
| 2.2.1 生化反应池模型描述及分析 | 第29-30页 |
| 2.2.2 二沉池模型描述及分析 | 第30-33页 |
| 2.2.3 BSM1性能评价指标 | 第33-36页 |
| 2.3 BSM1基准仿真平台搭建与测试 | 第36-39页 |
| 2.4 小结 | 第39-40页 |
| 第3章 基于模糊神经网络的污水处理过程溶解氧跟踪控制 | 第40-56页 |
| 3.1 模糊控制原理 | 第40-42页 |
| 3.2 模糊神经网络简介 | 第42-46页 |
| 3.2.1 Mamdani型模糊神经网络 | 第42-44页 |
| 3.2.2 T-S型模糊神经网络 | 第44-45页 |
| 3.2.3 模糊RBF神经网络 | 第45-46页 |
| 3.3 基于模糊RBF神经网络的控制系统设计 | 第46-48页 |
| 3.4 实验仿真及结果分析 | 第48-53页 |
| 3.5 小结 | 第53-56页 |
| 第4章 基于SOFNN的污水处理过程多变量跟踪控制 | 第56-74页 |
| 4.1 自组织算法思想 | 第56-58页 |
| 4.2 自组织模糊RBF神经网络 | 第58-62页 |
| 4.2.1 自组织模糊RBF神经网络结构 | 第58页 |
| 4.2.2 自组织算法 | 第58-62页 |
| 4.3 仿真实验 | 第62-71页 |
| 4.3.1 Mackey-Glass时间序列预测 | 第62-64页 |
| 4.3.2 基于自组织RBF神经网络污水处理过程多变量控制 | 第64-71页 |
| 4.4 小结 | 第71-74页 |
| 第5章 基于数据库的污水处理过程监测系统 | 第74-84页 |
| 5.1 系统开发需求分析与计划 | 第74-75页 |
| 5.1.1 开发需求 | 第74-75页 |
| 5.1.2 系统开发目标 | 第75页 |
| 5.1.3 系统适用范围 | 第75页 |
| 5.2 系统开发方案及关键技术 | 第75-76页 |
| 5.2.1 开发方案 | 第75-76页 |
| 5.2.2 关键技术 | 第76页 |
| 5.3 系统功能的设计与实现 | 第76-82页 |
| 5.3.1 数据存储模块 | 第76-78页 |
| 5.3.2 组态模块 | 第78-79页 |
| 5.3.3 数据通信模块 | 第79-82页 |
| 5.4 小结 | 第82-84页 |
| 结论与展望 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 攻读硕士学位期间所获得的研究成果 | 第92-94页 |
| 致谢 | 第94页 |
