阐释神经网络基于模糊神经网络自来水余氯制约

论文导读：案例45-474.3系统的数学模型47-484.4基于模糊神经网络的自来水余氯制约48-494.5构造模糊神经网络49-554.5.1确定网络结构49-514.5.2确定输入输出联系51-524.5.3网络训练与学习52-554.5.4检验制约效果554.5.5调整修正制约器554.6仿真探讨55-574.7本章小结57-58第五章基于ANFIS制约器的设计58-705.1引言585.2T-
摘要：自来水是人们日常生活和生产中必不可少的物质资源，对国民的健康安全和经济运转有中大影响。自来水余氯量正是自来水出厂水质的其中一个重要指标。自来水余氯的过低或过高都直接影响着自来水的正常利用，由此余氯制约是水处理历程中的关键环节。但是余氯制约对象具有大时变、大时滞和大惯性等特性，使自来水的余氯制约具有一定的难度，尤其当发生扰动的时候，能否及时调节，将出厂余氯制约在一定误差范围内。由此，自来水的余氯制约器的合理设计是至关重要的。本论文紧密结合我国水厂的实际情况，浅析当前自来水处理工艺中余氯制约的不足，以广西柳州一水厂作为探讨对象，抓住余氯制约系统中普遍有着的大时变和大时滞特点，提出了基于模糊神经网络的自来水余氯制约器的设计和运用。本论文的主要探讨内容包括以下几个方面：首先，阐述了自来水处理工艺的各环节，结合我国自来水水质标准来说明余氯制约的必要性和重要量，通过对氯的消毒原理，余氯产生，加氯制约方式和余氯的副作用等方面进行浅析，初步了解余氯制约的方式和余氯制约的影响因素，有利于开展下一步的设计探讨工作。其次，介绍了模糊制约和神经网络的基本论述，通过比较两者的优缺点，对模糊制约和神经网络的融合与分类进行了概述，并对模糊神经网络制约器的设计进行了初步探讨，了解其设计思想和步骤。再次，重点探讨了模糊神经网络在余氯制约系统中的运用，对其结构和算法进行了详细的浅析和设计，并在MATLAB环境下进行仿真探讨，结果表明模糊神经网络在余氯制约系统中能更好的克服传统PID制约策略的不足，能够达到满意的制约效果。最后，针对原模糊神经网络制约器的不足，采取基于T-S模型的ANFIS制约器，通过对处理工艺的浅析，采取流量、浊度、pH值和余氯反馈四个输入变量，加氯机开度为输出的模糊神经网络制约器对加氯制约历程进行制约，在清水池处理时间一定的情况下，出厂水余氯制约效果良好，反应速度快。通过两种策略的仿真实验，证明了模糊神经网络在余氯制约中的运用是确实可行的。关键词：模糊制约论文神经网络论文模糊神经网络论文自来水处理论文余氯制约论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-10
第一章 绪论10-14

1.1 探讨背景10-11

1.2 国内外探讨近况11-13

1.3 本论文探讨内容13-14

第二章 自来水处理工艺14-28

2.1 自来水处理工艺14-17

2.2 自来水水质标准17-18

2.3 氯的灭菌原理18-19

2.4 加氯制约19-22

2.5 余氯不足22-23

2.6 余氯制约的影响因素23-26

2.7 氯的副作用26-27

2.8 本章小结27-28

第三章 模糊神经网络28-45

3.1 模糊制约论述28-36

3.

1.1 模糊集28-29

3.

1.2 隶属函数29-31

3.

1.3 模糊逻辑运算与推理31-33

3.

1.4 模糊制约33-34

3.

1.5 模糊制约器34-36

3.2 神经网络36-41
3.

2.1 神经元模型37-39

3.

2.2 神经网络类型39-41

3.3 模糊神经网络41-44

3.4 本章小结44-45

第四章 模糊神经网络在余氯制约的运用45-58

4.1 引言45

4.2 传统制约案例45-47

4.3 系统的数学模型47-48

4.4 基于模糊神经网络的自来水余氯制约48-49

4.5 构造模糊神经网络49-55

4.5.1 确定网络结构49-51

4.5.2 确定输入输出联系51-52

4.5.3 网络训练与学习52-55

4.5.4 检验制约效果55

4.5.5 调整修正制约器55

4.6 仿真探讨55-57

4.7 本章小结57-58

第五章 基于 ANFIS 制约器的设计58-70

5.1 引言58

5.2 T-S 模型58-59

5.3 基于 T-S 模型 ANFIS 模糊神经网络结构59-61

5.4 ANFIS 学习算法61-63

5.

4.1 反向传播算法61-62

5.

4.2 最小二乘算法62-63

5.

4.3 综合学习算法63

5.5 ANFIS 制约器设计63-64

5.6 仿真探讨64-69

5.7 本章小结69-70

总结与展望70-72
参考文献72-76
攻读硕士学位期间取得的探讨成果76-77
致谢77-78
附件78