长输热油管道在线仿真与运行优化技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 输油管道运行能耗优化发展综述 | 第9-14页 |
| 1.2.1 管道建模仿真技术的发展 | 第9-11页 |
| 1.2.2 管道优化运行研究现状 | 第11-14页 |
| 1.3 本课题的主要研究工作 | 第14-16页 |
| 第二章 热油管道建模仿真分析研究 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 管道的基础数据和特性 | 第16-21页 |
| 2.2.1 日仪管道的基础数据 | 第16-18页 |
| 2.2.2 管道的压降和温降计算参数 | 第18-20页 |
| 2.2.3 加压泵和加热炉的特性 | 第20-21页 |
| 2.3 油的物理性质 | 第21-24页 |
| 2.3.1 密度 | 第21页 |
| 2.3.2 凝点 | 第21-22页 |
| 2.3.3 比热容 | 第22-23页 |
| 2.3.4 粘度 | 第23-24页 |
| 2.4 神经网络影响参数分析 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 热油管道神经网络预测模型 | 第25-49页 |
| 3.1 引言 | 第25页 |
| 3.2 三种热油管道神经网络预测模型的结构 | 第25-30页 |
| 3.2.1 全程管道系统 | 第26-27页 |
| 3.2.2 四段管道综合系统 | 第27-29页 |
| 3.2.3 单段管道系统 | 第29-30页 |
| 3.3 神经网络的预测 | 第30-40页 |
| 3.3.1 BP神经网络 | 第30-34页 |
| 3.3.2 RBF神经网络 | 第34-40页 |
| 3.4 神经网络预测效果展示与分析 | 第40-48页 |
| 3.4.1 全管道系统预测 | 第40-44页 |
| 3.4.2 四段管道综合系统预测 | 第44-45页 |
| 3.4.3 单段管道系统预测 | 第45-48页 |
| 3.4.4 预测效果分析 | 第48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于神经网络预测模型的在线优化 | 第49-59页 |
| 4.1 引言 | 第49页 |
| 4.2 热油管道能耗模型 | 第49-51页 |
| 4.2.1 能耗目标函数 | 第49-50页 |
| 4.2.2 能耗约束条件 | 第50-51页 |
| 4.3 基于神经网络的能耗模型优化求解 | 第51-54页 |
| 4.4 在线优化的实现 | 第54-56页 |
| 4.4.1 在线优化策略 | 第54-55页 |
| 4.4.2 在线优化实现的软件架构 | 第55-56页 |
| 4.5 热油管道的多目标优化 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 在线优化软件的开发 | 第59-66页 |
| 5.1 引言 | 第59页 |
| 5.2 软件结构及功能介绍 | 第59-63页 |
| 5.2.1 用户主界面介绍 | 第60-61页 |
| 5.2.2 管道和油设置界面 | 第61页 |
| 5.2.3 神经网络预测模块 | 第61-63页 |
| 5.2.4 粒子群优化设置界面 | 第63页 |
| 5.3 优化结果展示与分析 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 发表论文和参加科研情况说明 | 第72-73页 |
| 致谢 | 第73-74页 |
