| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 乙二醇循环工艺研究现状 | 第9-10页 |
| 1.2.2 乙二醇循环工艺参数相关研究 | 第10-11页 |
| 1.2.3 工艺参数评价相关研究 | 第11-12页 |
| 1.2.4 研究现状总结 | 第12-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 技术路线 | 第13-15页 |
| 2 迪那作业区处理厂乙二醇循环工艺现状分析 | 第15-19页 |
| 2.1 迪那作业区处理厂乙二醇脱水工艺流程介绍 | 第15-16页 |
| 2.2 乙二醇循环工艺现状分析 | 第16-18页 |
| 2.2.1 乙二醇循环工艺运行情况分析 | 第16-18页 |
| 2.2.2 原因分析 | 第18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 乙二醇循环工艺模拟模型搭建及验证 | 第19-38页 |
| 3.1 Hysys模拟流程搭建 | 第19-26页 |
| 3.1.1 Hysys物性包模型选择 | 第19-20页 |
| 3.1.2 Hysys设备模型 | 第20-25页 |
| 3.1.3 乙二醇脱水循环工艺模拟流程搭建原则 | 第25页 |
| 3.1.4 乙二醇脱水循环工艺模拟流程图 | 第25-26页 |
| 3.2 Hysys模拟流程可靠性验证 | 第26-37页 |
| 3.2.1 Hysys模拟流程的误差分析及误差校正 | 第28-31页 |
| 3.2.2 Hysys模拟流程的可靠性验证 | 第31-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 最优工艺运行参数的确定及当前工艺运行参数评价 | 第38-53页 |
| 4.1 乙二醇循环工艺参数优化过程 | 第38-51页 |
| 4.1.1 优化目标的确定 | 第38-39页 |
| 4.1.2 寻优模型建立 | 第39-41页 |
| 4.1.3 参数敏感性分析 | 第41-46页 |
| 4.1.4 Hysys优化过程及结果 | 第46-51页 |
| 4.2 基于最优参数对实际运行参数进行分析评价 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 5 基于BP神经网络的参数预测“黑箱” | 第53-64页 |
| 5.1 BP神经网络介绍 | 第53-56页 |
| 5.2 建立BP神经网络模型 | 第56-57页 |
| 5.3 神经网络的训练和检验 | 第57-61页 |
| 5.4 黑箱界面化 | 第61-64页 |
| 6 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68-69页 |
| 附录A | 第69-70页 |
| 附录B | 第70-71页 |
| 附录C | 第71页 |