| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-11页 |
| 1 绪论 | 第11-30页 |
| 1．1 概述 | 第11页 |
| 1．2 油水分离水力旋流器的结构研究进展 | 第11-16页 |
| 1．3 油水分离水力旋流器的分离特性及其影响因素的研究进展 | 第16-24页 |
| 1．3．1 分离效率 | 第16-22页 |
| 1．3．2 压力降及压降比 | 第22-24页 |
| 1．4 理论模型研究进展 | 第24-28页 |
| 1．4．1 停留时间理论 | 第25页 |
| 1．4．2 两相湍流理论 | 第25-26页 |
| 1．4．3 理论分析模型 | 第26-27页 |
| 1．4．4 数值模拟法 | 第27页 |
| 1．4．5 其它经验模型 | 第27-28页 |
| 1．5 本文的研究目标、技术路线和主要内容 | 第28-30页 |
| 1．5．1 研究目标 | 第28页 |
| 1．5．2 技术路线 | 第28-29页 |
| 1．5．3 主要内容 | 第29-30页 |
| 2 油水分离水力旋流器的理论分析 | 第30-47页 |
| 2．1 旋流器中分散相油滴受力分析 | 第30-37页 |
| 2．1．1 离心力 | 第30-31页 |
| 2．1．2 向心浮力 | 第31页 |
| 2．1．3 流体介质阻力 | 第31-32页 |
| 2．1．4 Magnus力 | 第32-34页 |
| 2．1．5 由于径向方向上速度波动的梯度而产生的力 | 第34页 |
| 2．1．6 油滴在力的作用下的沉降运动 | 第34-37页 |
| 2．2 水力旋流器中液滴破碎的机理分析 | 第37-42页 |
| 2．2．1 旋流器中的剪切应力 | 第37-38页 |
| 2．2．2 液滴破碎产生的原因 | 第38-39页 |
| 2．2．3 旋流器中的湍流分析 | 第39-41页 |
| 2．2．4 液滴破碎的判据 | 第41-42页 |
| 2．3 旋流器的水力学特性 | 第42-45页 |
| 2．3．1 压力降 | 第43-44页 |
| 2．3．2 压降比 | 第44-45页 |
| 2．4 小结 | 第45-47页 |
| 3 油水分离实验装置系统 | 第47-62页 |
| 3．1 实验目标与意义 | 第47页 |
| 3．2 系统装置 | 第47-48页 |
| 3．3 水力旋流器的设计 | 第48-49页 |
| 3．4 测试系统 | 第49-61页 |
| 3．4．1 取样装置 | 第49-53页 |
| 3．4．2 粒径测量 | 第53-59页 |
| 3．4．3 浓度测量 | 第59-61页 |
| 3．4．4 其它测量仪器 | 第61页 |
| 3．5 小结 | 第61-62页 |
| 4 油水分离实验 | 第62-78页 |
| 4．1 物性参数 | 第62页 |
| 4．2 旋流器参数的描述 | 第62-64页 |
| 4．2．1 分离效率 | 第62-63页 |
| 4．2．2 分流比 | 第63页 |
| 4．2．3 压力降及压降比 | 第63-64页 |
| 4．3 实验结果及分析 | 第64-76页 |
| 4．3．1 油滴粒径与旋流器分离性能之间的关系 | 第64-66页 |
| 4．3．2 旋流器边壁的油滴粒径变化及其影响因素 | 第66-69页 |
| 4．3．3 操作参数对水力旋流器分离性能的影响 | 第69-71页 |
| 4．3．4 旋流器中压力降及压降比的研究 | 第71-76页 |
| 4．4 小结 | 第76-78页 |
| 5 人工神经网络模型 | 第78-95页 |
| 5．1 人工神经网络的产生 | 第78页 |
| 5．2 人工神经网络的发展史 | 第78-82页 |
| 5．3 人工神经网络基本原理 | 第82-86页 |
| 5．3．1 生物神经元的构成及其功能 | 第82-83页 |
| 5．3．2 人工神经元模型 | 第83-86页 |
| 5．4 神经网络模型及拓扑结构 | 第86-89页 |
| 5．4．1 神经网络模型 | 第86-87页 |
| 5．4．2 人工神经网络的拓扑结构 | 第87-89页 |
| 5．5 神经网络的学习方式 | 第89-90页 |
| 5．6 人工神经网络的本质及特点 | 第90-91页 |
| 5．7 水力旋流器人工神经网络模拟的现状及可行性分析 | 第91-93页 |
| 5．7．1 人工神经网络在水力旋流器中的应用现状 | 第91-92页 |
| 5．7．2 人工神经网络用于水力旋流器模拟的可行性分析 | 第92页 |
| 5．7．3 人工神经网络用于水力旋流器模拟的特点 | 第92-93页 |
| 5．8 小结 | 第93-95页 |
| 6 BP神经网络 | 第95-107页 |
| 6．1 引言 | 第95-96页 |
| 6．2 BP算法 | 第96-104页 |
| 6．2．1 BP网络的学习过程 | 第96-101页 |
| 6．2．2 BP算法的数学推导 | 第101-104页 |
| 6．3 BP算法的改进 | 第104-106页 |
| 6．4 小结 | 第106-107页 |
| 7 油水分离旋流器的BP神经网络模拟 | 第107-127页 |
| 7．1 网络的拓扑结构 | 第107-110页 |
| 7．1．1 模型输入层与输出层的设计 | 第107页 |
| 7．1．2 隐层数与隐层节点数的选择 | 第107-110页 |
| 7．2 关于网络的训练样本 | 第110-112页 |
| 7．2．1 训练样本的选择 | 第110页 |
| 7．2．2 训练样本的预处理 | 第110-112页 |
| 7．2．3 训练样本顺序的影响 | 第112页 |
| 7．3 初始权值的设定 | 第112-115页 |
| 7．3．1 初始权值与过饱和的关系 | 第113-114页 |
| 7．3．2 初始权值的选取 | 第114-115页 |
| 7．4 BP神经网络算法的优化 | 第115-119页 |
| 7．4．1 BP网络误差曲面的特征 | 第115-117页 |
| 7．4．2 改进的BP算法 | 第117-119页 |
| 7．5 激励函数的改进 | 第119-121页 |
| 7．6 改进BP算法的数学推导及网络学习步骤 | 第121-123页 |
| 7．7 BP神经网络用于水力旋流器软件设计的程序框图 | 第123-126页 |
| 7．8 小结 | 第126-127页 |
| 8 油水分离水力旋流器分级效率的预测 | 第127-143页 |
| 8．1 引言 | 第127-129页 |
| 8．2 水力旋流器分离过程的蒙特卡罗模拟 | 第129-142页 |
| 8．2．1 蒙特卡罗方法概述 | 第129页 |
| 8．2．2 蒙特卡罗方法解题的一般过程 | 第129-130页 |
| 8．2．3 随机过程 | 第130-131页 |
| 8．2．4 马尔可夫过程 | 第131-133页 |
| 8．2．5 油水分离旋流器分离过程随机模型的建立 | 第133-139页 |
| 8．2．6 Monte Carlo模拟程序的编制 | 第139-142页 |
| 8．3 小结 | 第142-143页 |
| 9 油水分离水力旋流器软件分析 | 第143-158页 |
| 9．1 软件的设计要求及开发原则 | 第143页 |
| 9．1．1 软件的设计要求 | 第143页 |
| 9．1．2 软件的开发原则 | 第143页 |
| 9．2 软件结构 | 第143-144页 |
| 9．3 神经网络算法及训练误差分析 | 第144-152页 |
| 9．3．1 算法稳健性分析 | 第144-150页 |
| 9．3．2 油水分离水力旋流器神经网络模拟的误差分析 | 第150-152页 |
| 9．4 油水分离水力旋流器分级效率预测结果分析 | 第152-156页 |
| 9．4．1 旋流器结构参数和操作参数的预测 | 第152-153页 |
| 9．4．2 分级效率的预测 | 第153-156页 |
| 9．5 小结 | 第156-158页 |
| 10 结论与展望 | 第158-163页 |
| 参考文献 | 第163-171页 |
| 致谢 | 第171-172页 |
| 附录： 作者博士期间学术论文发表情况 | 第172页 |
