| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 前言 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 相关技术综述 | 第12-16页 |
| 1.2.1 卷积神经网络模型 | 第12-13页 |
| 1.2.2 关联变量的时滞分析 | 第13-14页 |
| 1.2.3 模型预测控制方法 | 第14-16页 |
| 1.3 内容及章节安排 | 第16-19页 |
| 第二章 基于关联变量时滞分析的卷积神经网络预测模型 | 第19-45页 |
| 2.1 引言 | 第19页 |
| 2.2 关联变量的时滞分析 | 第19-21页 |
| 2.3 卷积神经网络算法 | 第21-27页 |
| 2.3.1 卷积层 | 第22-23页 |
| 2.3.2 pooling层 | 第23-24页 |
| 2.3.3 全连接层 | 第24页 |
| 2.3.4 损失函数 | 第24-25页 |
| 2.3.5 激活函数 | 第25-27页 |
| 2.4 卷积神经网络预测模型 | 第27-30页 |
| 2.5 实例研究 | 第30-43页 |
| 2.5.1 Y-Y模型 | 第32-34页 |
| 2.5.2 U-Y模型 | 第34-36页 |
| 2.5.3 U-E模型 | 第36-37页 |
| 2.5.4 UY-Y模型 | 第37-38页 |
| 2.5.5 结果分析 | 第38-43页 |
| 2.6 本章小结 | 第43-45页 |
| 第三章 基于卷积神经网络模型的预测控制方法 | 第45-57页 |
| 3.1 引言 | 第45页 |
| 3.2 基于卷积神经网络模型的预测控制结构 | 第45-50页 |
| 3.2.1 参考轨迹 | 第46-47页 |
| 3.2.2 预测模型 | 第47页 |
| 3.2.3 滚动优化 | 第47-48页 |
| 3.2.4 反馈校正 | 第48-49页 |
| 3.2.5 基于卷积神经网络预测控制结构 | 第49-50页 |
| 3.3 粒子群优化方法 | 第50-55页 |
| 3.3.1 有约束多目标优化问题 | 第50-51页 |
| 3.3.2 常见优化算法 | 第51-52页 |
| 3.3.3 粒子群优化方法 | 第52-55页 |
| 3.4 预测控制算法及其实现 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 应用研究 | 第57-67页 |
| 4.1 引言 | 第57页 |
| 4.2 反应精馏过程 | 第57-58页 |
| 4.3 基于CNN的反应精馏过程预测模型 | 第58-64页 |
| 4.3.1 预测模型输入输出选取 | 第58-59页 |
| 4.3.2 CNN预测模型 | 第59-64页 |
| 4.4 预测控制实现 | 第64-66页 |
| 4.4.1 粒子群算法滚动优化与反馈校正 | 第64-66页 |
| 4.4.2 算法实时性分析 | 第66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 结论与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 研究成果及发表的学术论文 | 第75-77页 |
| 作者及导师简介 | 第77-79页 |
| 附件 | 第79-80页 |