氯乙烯悬浮聚合过程建模与优化技术研究
| 第一章 前言 | 第1-16页 |
| ·引言 | 第11页 |
| ·聚合物生产面临的挑战及其对策 | 第11-12页 |
| ·聚合反应过程的特点 | 第12-14页 |
| ·聚合过程建模与优化技术 | 第14页 |
| ·主要研究内容 | 第14-16页 |
| 第二章 建模与优化技术在聚合反应过程中的应用 | 第16-24页 |
| ·引言 | 第16页 |
| ·建模与优化技术 | 第16-23页 |
| ·人工神经网络 | 第17-18页 |
| ·遗传算法 | 第18-19页 |
| ·微粒群算法 | 第19-20页 |
| ·迭代动态规划 | 第20-21页 |
| ·非线性规划 | 第21-23页 |
| ·小结 | 第23-24页 |
| 第三章 神经网络学习算法及其改进 | 第24-35页 |
| ·引言 | 第24页 |
| ·反向传播学习算法及其改进 | 第24-34页 |
| ·BP学习算法及其局限 | 第25-27页 |
| ·BP学习算法的改进 | 第27-32页 |
| ·改进算法结果比较 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第四章 微粒群算法及其在神经网络中的应用 | 第35-48页 |
| ·引言 | 第35页 |
| ·基本微粒群算法 | 第35-38页 |
| ·基本原理 | 第35-36页 |
| ·算法流程 | 第36-37页 |
| ·社会行为分析 | 第37-38页 |
| ·改进微粒群算法 | 第38-42页 |
| ·微粒参数改进 | 第38-39页 |
| ·变量离散化 | 第39-40页 |
| ·引入遗传思想 | 第40-41页 |
| ·提高种群多样性 | 第41-42页 |
| ·PSO算法提高神经网络训练性能 | 第42-47页 |
| ·算法设计 | 第43-44页 |
| ·性能指标 | 第44-46页 |
| ·仿真实验 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 氯乙烯悬浮聚合过程引发体系优化 | 第48-65页 |
| ·引言 | 第48页 |
| ·氯乙烯悬浮聚合过程 | 第48-51页 |
| ·工艺流程 | 第48-50页 |
| ·控制指标和影响因素 | 第50-51页 |
| ·反应机理和动力学模型 | 第51-56页 |
| ·反应机理 | 第51-52页 |
| ·动态特性分析 | 第52-54页 |
| ·动力学模型 | 第54-56页 |
| ·引发体系优化 | 第56-64页 |
| ·复合引发体系的特点 | 第57页 |
| ·聚合速率方程 | 第57-61页 |
| ·复合引发体系优化模型 | 第61-63页 |
| ·基于神经网络和微粒群算法的建模与优化 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·全文总结 | 第65页 |
| ·研究展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文及参与的项目 | 第73页 |
