污水处理过程优化控制系统

第一章  污水处理过程测量与控制概论1.1  污水处理的意义1.2  我国污水处理的现状1.3  污水处理的方法及工艺1.3.1  污水处理方法1.3.2  SBR工艺污水处理系统1.4  污水处理过程建模现状1.5  污水处理过程控制现状1.6  污水处理过程软测量现状1.7  污水处理系统在线测量与控制存在的问题1.7.1  流程工业生产过程在线测量存在的问题1.7.2  污水处理过程在线测量与控制存在的问题第二章  污水处理出水水质BOD软测量机理建模2.1  软测量在废水处理中的应用2.1.1  软测量的概念、意义及发展2.1.2  污水处理中软测量的必要性2.1.3  软测量在污水处理中的常用方法简介2.2  BOD软测量机理模型公式2.2.1  经典劳伦斯-麦卡蒂公式2.2.2  劳伦斯-麦卡蒂公式在废水处理中演化形式2.2.3  泰勒展开BOD软测量机理模型公式2.3  基于最小二乘法的污水处理BOD软测量线性补偿方法2.3.1  最小二乘原理2.3.2  递推最小二乘算法对机理模型的补偿2.3.3  限定记忆最小二乘算法对机理模型的补偿2.3.4  基于偏最小二乘的BOD软测量机理模型非线性补偿方法2.3.5  基于核最小二乘法的污水BOD软测量机理模型补偿算法2.4  基于神经网络的BOD机理模型的补偿方法2.4.1  BP神经网络软测量模型设计2.4.2  基于过程神经网络的BOD软测量模型第三章  基于PNN的污水处理软测量方法研究3.1  过程神经元网络(PNN)3.1.1  过程神经元3.1.2  过程神经元网络模型3.2  基于PNN的软测量方法及改进算法3.2.1  基于函数正交基的PNN学习算法3.2.2  基于函数正交基展开的PNN改进算法3.3  基于PNN的污水处理过程软测量3.3.1  软测量模型变量的选取3.3.2  软测量结构模型3.3.3  实验数据及软测量结果第四章  基于RBF神经网络的水处理过程建模方法4.1  RBF神经网络4.1.1  RBF函数及RBF神经元4.1.2  RBF网络的特点、映射机理4.1.3  RBF神经网络的学习算法4.2  水处理优化控制数学模型的RBF神经网络建模4.2.1  污水处理优化控制的目标4.2.2  水处理RBF神经网络模型的训练和测试第五章  溶解氧的智能控制方法5.1  溶解氧的智能控制方法5.1.1  人工神经网络控制5.1.2  模糊控制5.1.3  专家控制5.1.4  遗传算法5.2  单变量Do控制5.2.1  被控对象建模5.2.2  常规PID的Do控制器设计5.2.3  基于BP神经网络的自整定PID控制5.2.4  基于BP神经网络的自整定PID控制原理5.2.5  基于BP神经网络的自整定PID控制仿真5.2.6  双模糊控制器设计5.2.7  模糊PID-Smith控制器设计5.3  基于模糊理论的多变量Do控制5.3.1  多变量模糊控制的现状与发展5.3.2  基于模糊PID-Smith和模糊理论的两级Do控制器的设计5.3.3  基于双模糊PID-Smith理论的两级Do控制器的设计第六章  基于智能进化算法的优化控制方法及实现6.1  智能进化算法概述6.1.1  经典优化算法及其弊端6.1.2  遗传算法6.1.3  粒子群算法6.2  基于粒子群算法的污水处理过程的参数优化设计6.2.1  优化算法的选取6.2.2  粒子群算法的设计流程6.3  基于粒子群算法的活性污泥法的优化设计实现第七章  污水处理过程的模糊控制技术及实现7.1  污水处理模糊控制技术7.1.1  污水处理模糊控制系统基本结构7.1.2  模糊控制器的设计7.2  基于预测模型的自适应模糊控制器的设计与仿真7.2.1  自适应模糊控制器构成7.2.2  自适应模糊控制系统的仿真7.2.3  自适应模糊控制器算法及其实现7.2.4  自适应模糊控制仿真结果及分析7.3  模糊Smith-PID复合控制方法7.3.1  SBR常规控制方法分析7.3.2  模糊Smith-PID控制器设计第八章  生物流化床及其控制方法8.1  生物流化床的基本特性8.1.1  生物流化床工作原理8.1.2  生物流化床特性8.1.3  生物流化床研究状况8.2  智能控制方法8.2.1  自适应控制8.2.2  模糊控制8.2.3  神经网络控制8.2.4  专家控制8.3  三相生物流化床氨氮废水处理过程数学模型研究8.3.1  内循环三相生物流化床氨氮废水处理的结构和工作原理8.3.2  内循环三相生物流化床处理氨氮废水实验8.3.3  内循环三相生物流化床氨氮废水处理过程主导模型的建立8.4  基于遗传算法改进的过程神经网络BOD5软测量模型8.4.1  软测量模型变量的选取8.4.2  过程神经网络结构的确定8.4.3  基于遗传算法训练速率寻优的改进算法8.4.4  过程神经网络BOD5软测量模型的实现8.4.5  实验分析8.5  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8.5.1  T-S模糊控制8.5.2  分层模糊控制8.5.3  遗传算法改进T-S模糊自适应控制方法8.6  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8.6.1  PID参数整定方法8.6.2  基于DRNN辨识的自整定PID解耦控制算法8.7  生物流化床污水处理监控系统设计与实现8.7.1  生物流化床污水处理监控系统设计8.7.2  基于西门子S7-200PLC的下位机程序控制8.7.3  基于WebAccess和Flash交互制作实现的上位机监控第九章  污水处理过程的自抗扰控制方法9.1  自抗扰控制技术9.1.1  安排过渡过程(TD)9.1.2  扩张状态观测器(ESO)9.1.3  非线性误差反馈控制率(NLEFS)9.2  SBR污水处理的自抗扰控制设计9.2.1  SBR控制系统特点分析9.2.2  自抗扰控制系统的设计9.2.3  参数整定规律分析9.2.4  SBR污水处理自抗扰控制系统仿真9.3  生物流化床氨氮废水处理自抗扰控制设计9.3.1  系统总体框图9.3.2  系统一阶自抗扰控制器设计9.3.3  系统二阶自抗扰控制器设计9.3.4  生物流化床氨氮废水处理的自抗扰控制仿真研究9.4  生物流化床氨氮废水处理自抗扰控制器的优化9.4.1  控制器优化问题9.4.2  自抗扰控制器参数的优化9.4.3  遗传算法对二阶自抗扰控制器参数的优化9.5  自抗扰控制器的稳定性分析附录：基于BP神经网络的自整定PID控制程序