| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 课题研究背景 | 第7-8页 |
| 1.2 国内外乙烯生产现状 | 第8-9页 |
| 1.3 乙烯裂解炉能效诊断及优化的国内外研究进展 | 第9-11页 |
| 1.3.1 乙烯裂解炉能效诊断现状 | 第9-10页 |
| 1.3.2 乙烯裂解炉能效优化现状 | 第10-11页 |
| 1.4 课题研究内容与目的 | 第11-12页 |
| 1.5 论文组织结构与结构安排 | 第12-14页 |
| 2 乙烯裂解炉的工艺及机理分析 | 第14-20页 |
| 2.1 乙烯裂解炉的介绍 | 第14-16页 |
| 2.1.1 USC-176U型管式裂解炉的结构介绍 | 第14-16页 |
| 2.1.2 USC-176U型管式裂解炉的特点总结 | 第16页 |
| 2.2 乙烯裂解反应机理 | 第16-18页 |
| 2.3 乙烯裂解炉的能效指标 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 基于主元分析法的乙烯裂解炉能效诊断过程 | 第20-36页 |
| 3.1 主元分析相关介绍 | 第20-26页 |
| 3.1.1 主元分析基本原理及算法 | 第20-22页 |
| 3.1.2 主元个数的选择 | 第22-23页 |
| 3.1.3 监控统计量及阈值的计算 | 第23-24页 |
| 3.1.4 基于贡献图的诊断识别 | 第24-25页 |
| 3.1.5 主元分析法能效诊断总体过程 | 第25-26页 |
| 3.2 乙烯裂解炉的能效诊断及结果分析 | 第26-35页 |
| 3.2.1 乙烯生产的工况划分 | 第26-28页 |
| 3.2.2 乙烯裂解炉PCA模型的建立及诊断结果分析 | 第28-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于遗传算法的裂解炉能效优化控制策略 | 第36-45页 |
| 4.1 BP神经网络基本原理 | 第36-37页 |
| 4.2 遗传算法的基本理论及实现 | 第37-41页 |
| 4.2.1 遗传算法的基本概念和理论思想 | 第37-38页 |
| 4.2.2 遗传算法的技术实现 | 第38-41页 |
| 4.3 乙烯裂解炉能效优化及结果分析 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 乙烯裂解炉能效诊断及优化模块的实现 | 第45-59页 |
| 5.1 乙烯生产能效监测与评估系统的介绍 | 第45-47页 |
| 5.1.1 系统需求分析 | 第45-46页 |
| 5.1.2 系统结构介绍 | 第46-47页 |
| 5.2 系统的技术介绍 | 第47-51页 |
| 5.2.1 数据层技术概述 | 第47-48页 |
| 5.2.2 业务层技术概述 | 第48-49页 |
| 5.2.3 表现层技术概述 | 第49-51页 |
| 5.3 模块的实现 | 第51-58页 |
| 5.3.1 系统页面设计 | 第51-56页 |
| 5.3.2 能效诊断及优化模块的实现 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文谢 | 第60-63页 |
| 致谢 | 第63-65页 |
