第一章 污水处理过程测量与控制概论 1
1.1污水处理的意义 1
1.2我国污水处理的现状 1
1.3污水处理的方法及工艺 2
1.3.1污水处理方法 2
1.3.2 SBR工艺污水处理系统 4
1.4污水处理过程建模现状 7
1.5污水处理过程控制现状 9
1.6污水处理过程软测量现状 10
1.7污水处理系统在线测量与控制存在的问题 11
1.7.1流程工业生产过程在线测量存在的问题 11
1.7.2污水处理过程在线测量与控制存在的问题 12
第二章 污水处理出水水质BOD软测量机理建模 18
2.1软测量在废水处理中的应用 18
2.1.1软测量的概念、意义及发展 18
2.1.2污水处理中软测量的必要性 19
2.1.3软测量在污水处理中的常用方法简介 19
2.2 BOD软测量机理模型公式 21
2.2.1经典劳伦斯-麦卡蒂公式 21
2.2.2劳伦斯-麦卡蒂公式在废水处理中演化形式 22
2.2.3泰勒展开BOD软测量机理模型公式 24
2.3基于最小二乘法的污水处理BOD软测量线性补偿方法 25
2.3.1最小二乘原理 25
2.3.2递推最小二乘算法对机理模型的补偿 27
2.3.3限定记忆最小二乘算法对机理模型的补偿 29
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 33
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 36
2.4基于神经网络的BOD机理模型的补偿方法 39
2.4.1 BP神经网络软测量模型设计 39
2.4.2基于过程神经网络的BOD软测量模型 41
第三章 基于PNN的污水处理软测量方法研究 48
3.1过程神经元网络（PNN） 48
3.1.1过程神经元 48
3.1.2过程神经元网络模型 49
3.2基于PNN的软测量方法及改进算法 50
3.2.1基于函数正交基的PNN学习算法 50
3.2.2基于函数正交基展开的PNN改进算法 51
3.3基于PNN的污水处理过程软测量 55
3.3.1软测量模型变量的选取 55
3.3.2软测量结构模型 58
3.3.3实验数据及软测量结果 59
第四章 基于RBF神经网络的水处理过程建模方法 64
4.1 RBF神经网络 64
4.1.1 RBF函数及RBF神经元 64
4.1.2 RBF网络的特点、映射机理 66
4.1.3 RBF神经网络的学习算法 67
4.2水处理优化控制数学模型的RBF神经网络建模 69
4.2.1污水处理优化控制的目标 69
4.2.2水处理RBF神经网络模型的训练和测试 70
第五章 溶解氧的智能控制方法 76
5.1溶解氧的智能控制方法 76
5.1.1人工神经网络控制 76
5.1.2模糊控制 77
5.1.3专家控制 77
5.1.4遗传算法 79
5.2单变量D0控制 80
5.2.1被控对象建模 80
5.2.2常规PID的D0控制器设计 80
5.2.3基于BP神经网络的自整定PID控制 84
5.2.4基于BP神经网络的自整定PID控制原理 85
5.2.5基于BP神经网络的自整定PID控制仿真 86
5.2.6双模糊控制器设计 87
5.2.7模糊PID-Smith控制器设计 90
5.3基于模糊理论的多变量D0控制 95
5.3.1多变量模糊控制的现状与发展 95
5.3.2基于模糊PID-Smith和模糊理论的两级D0控制器的设计 98
5.3.3基于双模糊PID-Smith理论的两级D0控制器的设计 99
第六章 基于智能进化算法的优化控制方法及实现 104
6.1智能进化算法概述 104
6.1.1经典优化算法及其弊端 104
6.1.2遗传算法 104
6.1.3粒子群算法 106
6.2基于粒子群算法的污水处理过程的参数优化设计 109
6.2.1优化算法的选取 109
6.2.2粒子群算法的设计流程 109
6.3基于粒子群算法的活性污泥法的优化设计实现 110
第七章 污水处理过程的模糊控制技术及实现 123
7.1污水处理模糊控制技术 123
7.1.1污水处理模糊控制系统基本结构 123
7.1.2模糊控制器的设计 124
7.2基于预测模型的自适应模糊控制器的设计与仿真 128
7.2.1自适应模糊控制器构成 128
7.2.2自适应模糊控制系统的仿真 129
7.2.3自适应模糊控制器算法及其实现 131
7.2.4自适应模糊控制仿真结果及分析 132
7.3模糊Smith-PID复合控制方法 140
7.3.1 SBR常规控制方法分析 140
7.3.2模糊Smith-PID控制器设计 142
第八章 生物流化床及其控制方法 148
8.1生物流化床的基本特性 148
8.1.1生物流化床工作原理 148
8.1.2生物流化床特性 148
8.1.3生物流化床研究状况 149
8.2智能控制方法 150
8.2.1自适应控制 151
8.2.2模糊控制 151
8.2.3神经网络控制 152
8.2.4专家控制 152
8.3三相生物流化床氨氮废水处理过程数学模型研究 153
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 153
8.3.2内循环三相生物流化床处理氨氮废水实验 154
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 159
8.4基于遗传算法改进的过程神经网络BOD5软测量模型 160
8.4.1软测量模型变量的选取 160
8.4.2过程神经网络结构的确定 161
8.4.3基于遗传算法训练速率寻优的改进算法 161
8.4.4过程神经网络BOD5软测量模型的实现 164
8.4.5实验分析 166
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 168
8.5.1 T-S模糊控制 168
8.5.2分层模糊控制 170
8.5.3遗传算法改进T-S模糊自适应控制方法 173
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 179
8.6.1 PID参数整定方法 179
8.6.2基于DRNN辨识的自整定PID解耦控制算法 181
8.7生物流化床污水处理监控系统设计与实现 188
8.7.1生物流化床污水处理监控系统设计 188
8.7.2基于西门子S7-200PLC的下位机程序控制 190
8.7.3基于WebAccess和Flash交互制作实现的上位机监控 192
第九章 污水处理过程的自抗扰控制方法 200
9.1自抗扰控制技术 200
9.1.1安排过渡过程（TD） 201
9.1.2扩张状态观测器（ESO） 203
9.1.3非线性误差反馈控制率（NLEFS） 206
9.2 SBR污水处理的自抗扰控制设计 207
9.2.1 SBR控制系统特点分析 207
9.2.2自抗扰控制系统的设计 208
9.2.3参数整定规律分析 209
9.2.4 SBR污水处理自抗扰控制系统仿真 212
9.3生物流化床氨氮废水处理自抗扰控制设计 216
9.3.1系统总体框图 216
9.3.2系统一阶自抗扰控制器设计 217
9.3.3系统二阶自抗扰控制器设计 218
9.3.4生物流化床氨氮废水处理的自抗扰控制仿真研究 218
9.4生物流化床氨氮废水处理自抗扰控制器的优化 228
9.4.1控制器优化问题 228
9.4.2自抗扰控制器参数的优化 230
9.4.3遗传算法对二阶自抗扰控制器参数的优化 233
9.5自抗扰控制器的稳定性分析 239
附录：基于BP神经网络的自整定PID控制程序 243