| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-12页 |
| ·本课题来源及研究意义 | 第9页 |
| ·国内外研究现状及发展水平 | 第9-10页 |
| ·减压塔建模技术 | 第9-10页 |
| ·智能控制 | 第10页 |
| ·软测量仪表 | 第10页 |
| ·本课题要完成的任务 | 第10-12页 |
| 第2章 原油减压蒸馏塔概况 | 第12-16页 |
| ·工艺简介 | 第12-13页 |
| ·原油蒸馏原理 | 第13页 |
| ·工艺流程 | 第13-14页 |
| ·质量控制指标 | 第14-16页 |
| ·闪点介绍 | 第14页 |
| ·粘度介绍 | 第14-16页 |
| 第3章 神经网络概述 | 第16-25页 |
| ·神经网络的基本知识 | 第16-19页 |
| ·神经网络简介 | 第16页 |
| ·神经网络原理 | 第16-19页 |
| ·神经网络控制技术 | 第19页 |
| ·DRNN神经网络 | 第19-22页 |
| ·DRNN网络结构 | 第20-21页 |
| ·DRNN网络的学习过程 | 第21-22页 |
| ·RBF神经网络 | 第22-25页 |
| 第4章 应用遗传算法优化的DRNN神经网络建立软测量仪表 | 第25-48页 |
| ·问题的提出 | 第25页 |
| ·软测量技术 | 第25-29页 |
| ·软测量技术简介 | 第25-26页 |
| ·软测量仪表 | 第26-27页 |
| ·软测量仪表的建模方法 | 第27-28页 |
| ·软测量仪表的参数选取 | 第28-29页 |
| ·遗传算法优化 DRNN神经网络 | 第29-35页 |
| ·选用遗传算法的原因 | 第29页 |
| ·遗传算法介绍 | 第29-31页 |
| ·遗传算法的基本操作 | 第31-32页 |
| ·遗传算法的构成要素 | 第32-33页 |
| ·遗传算法的应用步骤 | 第33-34页 |
| ·遗传算法优化 DRNN网络参数 | 第34-35页 |
| ·建立减三线闪点、粘度软测量仪表 | 第35-47页 |
| ·减三线软测量仪表的建立方法 | 第36页 |
| ·减三线软测量仪表参数的选取 | 第36-37页 |
| ·实验数据的选取和预处理 | 第37-38页 |
| ·建立减三线闪点软测量仪表 | 第38-42页 |
| ·建立减三线粘度软测量仪表 | 第42-47页 |
| ·本章总结 | 第47-48页 |
| 第5章 减压塔减三线温度系统建模 | 第48-58页 |
| ·建模技术简介 | 第48页 |
| ·典型的非线性系统辨识方法及其特点简介 | 第48-50页 |
| ·减三线温度系统的建模方法 | 第50-53页 |
| ·减三线温度系统的特点 | 第50-51页 |
| ·本文使用的方法 | 第51-53页 |
| ·减三线温度系统模型的建立 | 第53-57页 |
| ·本章总结 | 第57-58页 |
| 第6章 减压塔减三线温度神经网络自适应控制 | 第58-72页 |
| ·问题的提出 | 第58页 |
| ·自适应控制技术 | 第58-60页 |
| ·自适应控制研究解决的问题 | 第59页 |
| ·自适应控制系统的功能 | 第59-60页 |
| ·神经网络自适应控制 | 第60-62页 |
| ·神经网络自适应控制简介 | 第60-62页 |
| ·本文选用的控制方案 | 第62页 |
| ·减三线温度系统神经网络自适应控制 | 第62-70页 |
| ·控制思想与控制要求 | 第62-63页 |
| ·减三线温度控制系统设计 | 第63-65页 |
| ·遗传算法优化 RBF网络参数 | 第65-66页 |
| ·系统仿真 | 第66-69页 |
| ·与 PID控制比较 | 第69-70页 |
| ·本章总结 | 第70-72页 |
| 第7章 总结 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录I 图表索引 | 第77-79页 |
| 附录II 硕士研究生期间论文发表情况 | 第79页 |