| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 符号说明 | 第5-9页 |
| 第一章 综述 | 第9-22页 |
| ·论文选题的背景和意义 | 第9-10页 |
| ·相关理论与知识介绍 | 第10-20页 |
| ·工业过程软测量技术 | 第10-11页 |
| ·人工神经网络和神经网络控制 | 第11-13页 |
| ·数学建模 | 第13-14页 |
| ·系统辨识 | 第14-15页 |
| ·自动控制技术 | 第15-16页 |
| ·工业过程的先进控制 | 第16-17页 |
| ·过程优化技术 | 第17-18页 |
| ·丙烯腈精馏塔的工艺流程简述 | 第18-20页 |
| ·论文的工作 | 第20-22页 |
| 第二章 实时数据采集 | 第22-26页 |
| ·DCS系统结构 | 第22页 |
| ·通讯程序设计 | 第22-25页 |
| ·Socket套接字 | 第22-23页 |
| ·程序的工作原理 | 第23页 |
| ·客户端程序说明 | 第23-24页 |
| ·服务器端程序说明 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 工业过程软测量实现技术 | 第26-50页 |
| ·工业过程软测量技术 | 第26-30页 |
| ·前言 | 第26页 |
| ·软测量仪表的阐释 | 第26-27页 |
| ·软测量仪表的实现方式和结构 | 第27-28页 |
| ·软测量仪表的输入变量的选择 | 第28-29页 |
| ·软测量仪表输入变量的时间滞后 | 第29-30页 |
| ·软测量仪表模型的自学习和自校正 | 第30页 |
| ·RBF人工神经网络的工作原理 | 第30-38页 |
| ·RBF神经网络元的结构 | 第31-32页 |
| ·主元分析(PCA，Principal Component Analysis) | 第32-33页 |
| ·RBF神经网络算法分析 | 第33-37页 |
| ·RBF神经网络的计算机编程实现 | 第37-38页 |
| ·用RBF神经网络建立精馏塔装置的软测量仪表模型 | 第38-49页 |
| ·确定软测量仪表模型的输入和数据整理 | 第38-40页 |
| ·建立RBF神经网络软仪表模型的一些改进 | 第40-43页 |
| ·实际的应用效果 | 第43-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于模型的PID参数整定 | 第50-59页 |
| ·先进控制的目的和意义 | 第50-51页 |
| ·系统辨识 | 第51-55页 |
| ·LJ随机搜索算法 | 第51-53页 |
| ·NLJ算法 | 第53-55页 |
| ·基于模型的PID参数整定 | 第55-57页 |
| ·实施背景 | 第55页 |
| ·IMC-PID设计软件包 | 第55-56页 |
| ·基于模型的PID参数整定的实现步骤 | 第56-57页 |
| ·整定达到的目标 | 第57页 |
| ·基于模型的PID参数整定现场运行的效果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 精馏塔的在线优化技术 | 第59-67页 |
| ·优化控制的意义和必要性 | 第59-60页 |
| ·过程优化技术 | 第60-63页 |
| ·过程优化的描述 | 第60-62页 |
| ·优化算法的种类 | 第62-63页 |
| ·精馏塔装置的在线优化 | 第63-65页 |
| ·优化控制策略的设计 | 第63-64页 |
| ·建立相关的软测量仪表 | 第64-65页 |
| ·优化控制的结果 | 第65页 |
| ·现场验收 | 第65页 |
| ·本章小结 | 第65-67页 |
| 第六章 总结 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的学术论文目录 | 第72页 |