克拉玛依石化厂第Ⅰ套常减压装置的操作优化
| 第一章 概述 | 第1-15页 |
| ·论文选题的目的和意义 | 第7-8页 |
| ·相关文献综述 | 第8-14页 |
| ·人工神经网络与自动控制 | 第8-10页 |
| ·建立数学模型的方法 | 第10页 |
| ·软测量技术及其应用 | 第10-11页 |
| ·原油蒸馏过程优化技术 | 第11-14页 |
| ·论文的工作 | 第14-15页 |
| 第二章 常减压塔装置概况和工业流程 | 第15-25页 |
| ·常减压装置过程工艺简介 | 第15-16页 |
| ·工艺流程说明 | 第16-18页 |
| ·原油系统换热 | 第16页 |
| ·常压塔 | 第16-17页 |
| ·减压塔 | 第17-18页 |
| ·常减压塔产品质量的调节方法 | 第18-21页 |
| ·常压塔 | 第18-20页 |
| ·减压塔 | 第20-21页 |
| ·影响粘度和闪点的因素分析 | 第21-23页 |
| ·油品的粘度 | 第22页 |
| ·油品的闪点 | 第22-23页 |
| ·原油蒸馏的原理 | 第23-25页 |
| ·原油蒸馏的意义 | 第23页 |
| ·原油蒸馏的工艺流程 | 第23-25页 |
| 第三章 RBF神经网络建立软测量仪表 | 第25-42页 |
| ·软测量技术 | 第25-29页 |
| ·软测量技术的产生 | 第25页 |
| ·软测量仪表的描述 | 第25-26页 |
| ·建立软测量仪表的方法 | 第26-27页 |
| ·影响软测量仪表性能的因素 | 第27-29页 |
| ·RBF神经网络 | 第29-33页 |
| ·RBF神经网络的结构 | 第30页 |
| ·RBF神经网络的学习方法 | 第30-32页 |
| ·RBF神经网络的算法 | 第32-33页 |
| ·常减压塔粘度和闪点软测量仪表的建立 | 第33-41页 |
| 小结 | 第41-42页 |
| 第四章 基于多神经网络的软测量仪表 | 第42-54页 |
| ·基于多神经网络的非线性模型方法 | 第42-45页 |
| ·问题的提出 | 第42-43页 |
| ·多神经网络模型 | 第43-45页 |
| ·基于多神经网络的非线性系统建模的方法 | 第45-48页 |
| ·多神经网络的构造 | 第45-46页 |
| ·多神经网络的训练算法 | 第46-47页 |
| ·多神经网络模型的综合方法 | 第47-48页 |
| ·多神经网络建立粘度和闪点软测量仪表 | 第48-54页 |
| ·C语言实现的多神经网络算法 | 第48页 |
| ·基于多神经网络的粘度和闪点软测量仪表的建立 | 第48-54页 |
| 第五章 常减压塔的操作优化 | 第54-62页 |
| ·实现常减压塔操作优化的意义 | 第54-55页 |
| ·过程优化相关问题 | 第55-57页 |
| ·过程优化的描述 | 第55-56页 |
| ·优化算法的种类 | 第56-57页 |
| ·NLJ优化算法 | 第57-62页 |
| ·NLJ优化算法概述 | 第57-58页 |
| ·NLJ优化计算方法 | 第58-59页 |
| ·用NLJ法实现操作优化 | 第59-62页 |
| 结论与体会 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
