| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·裂解炉模型化 | 第10-13页 |
| ·裂解过程反应动力学模型 | 第11-12页 |
| ·裂解炉辐射室热传递模型 | 第12-13页 |
| ·裂解炉操作优化 | 第13-14页 |
| ·本文所用到的主要技术 | 第14-17页 |
| ·神经元网络技术 | 第14-16页 |
| ·粒子群优化算法 | 第16页 |
| ·基于主元分析的故障检测技术 | 第16-17页 |
| ·本文研究的主要内容 | 第17-19页 |
| 第二章 裂解炉生产工艺流程 | 第19-24页 |
| ·裂解炉简介与生产工艺 | 第19-20页 |
| ·热裂解原理 | 第20-21页 |
| ·裂解炉控制系统 | 第21-22页 |
| ·操作变量及其相互影响关系 | 第22-24页 |
| 第三章 神经元网络建模在裂解炉模型中的应用 | 第24-37页 |
| ·非线性数据预处理 | 第25-31页 |
| ·线性主元分析(LPCA)与非线性主元分析(NLPCA) | 第25-26页 |
| ·输入训练神经网络 | 第26-29页 |
| ·ITNN非线性PCA方法的有效性 | 第29-31页 |
| ·RBF神经网络及其学习算法 | 第31-32页 |
| ·乙烯、丙烯收率的软测量模型 | 第32-37页 |
| ·问题描述 | 第32-33页 |
| ·样本数据准备 | 第33-34页 |
| ·模型结构 | 第34页 |
| ·模型在线校正 | 第34-35页 |
| ·结果分析 | 第35-37页 |
| 第四章 粒子群优化算法在乙烯裂解炉操作：优化中的应用 | 第37-45页 |
| ·PSO算法引言 | 第37-38页 |
| ·PSO算法实现 | 第38-40页 |
| ·遗传算法和PSO的比较 | 第40页 |
| ·PSO在裂解炉系统操作优化中的应用 | 第40-45页 |
| ·优化命题描述 | 第41-42页 |
| ·双烯收率神经网络优化模型 | 第42-43页 |
| ·基于神经网络的操作优化 | 第43-45页 |
| 第五章 PCA在乙烯裂解炉故障监控中的应用 | 第45-57页 |
| ·主元分析 | 第45-48页 |
| ·主元模型 | 第48-49页 |
| ·多元统计控制图 | 第49-53页 |
| ·SPE统计量 | 第50页 |
| ·T~2统计量 | 第50页 |
| ·贡献图 | 第50-51页 |
| ·控制限的确定 | 第51-53页 |
| ·PCA在乙烯裂解炉系统故障监控中的应用 | 第53-57页 |
| 第六章 乙烯裂解炉模型优化与故障监控系统的实现 | 第57-67页 |
| ·系统总体结构设计 | 第57-59页 |
| ·主要模块的数据流图 | 第59-60页 |
| ·COT、烟气温度预测模型数据流图： | 第59页 |
| ·非正常工况模型监控数据流图： | 第59-60页 |
| ·油品收率预测与优化模型数据流图： | 第60页 |
| ·数据库设计与实现 | 第60-64页 |
| ·数掘库设计 | 第60-61页 |
| ·ADO数据库编程技术 | 第61-64页 |
| ·模型、算法模块设计 | 第64页 |
| ·系统可视化图形界 | 第64-67页 |
| 第七章 结论 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间进行的相关工作 | 第77页 |