| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 精馏塔过程控制的研究现状 | 第9-11页 |
| 1.2.2 神经网络的研究现状 | 第11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 神经网络基本理论 | 第14-22页 |
| 2.1 神经网络介绍 | 第14-18页 |
| 2.1.1 神经网络的发展 | 第14-15页 |
| 2.1.2 神经元模型及其特性 | 第15-16页 |
| 2.1.3 神经网络基本类型及学习算法 | 第16-18页 |
| 2.2 RBF 神经网络的介绍 | 第18-20页 |
| 2.2.1 RBF 神经网络原理 | 第18-19页 |
| 2.2.2 RBF 神经网络的学习 | 第19-20页 |
| 2.2.3 RBF 神经网络的优点 | 第20页 |
| 2.3 本章小结 | 第20-22页 |
| 第3章 精馏塔过程控制系统 | 第22-28页 |
| 3.1 精馏塔的控制目的 | 第22-23页 |
| 3.2 精馏塔的扰动因素 | 第23页 |
| 3.3 精馏塔被控变量的选择 | 第23-24页 |
| 3.4 丙烯精馏塔工艺及控制要求 | 第24-27页 |
| 3.4.1 精馏塔工艺过程简介 | 第24-26页 |
| 3.4.2 精馏塔温度控制要求及难点 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 RBF神经网络在温度控制系统中的应用研究 | 第28-40页 |
| 4.1 传统 PID 控制原理 | 第28-31页 |
| 4.1.1 塔顶温度的 PID 控制仿真研究 | 第30-31页 |
| 4.1.2 仿真结果分析 | 第31页 |
| 4.2 RBF 神经网络 PID 自适应控制原理 | 第31-39页 |
| 4.2.1 RBF 神经网络辨识结构及算法分析 | 第31-33页 |
| 4.2.2 塔顶温度的 RBF 神经网络辨识仿真研究 | 第33-34页 |
| 4.2.3 RBF-PID 自适应控制结构及算法分析 | 第34-35页 |
| 4.2.4 塔顶温度的 RBF-PID 控制仿真研究 | 第35-39页 |
| 4.3 抗干扰性能测试 | 第39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 RBF神经网络在解耦控制系统中的应用研究 | 第40-56页 |
| 5.1 塔顶温度与塔底温度的耦合分析 | 第40-42页 |
| 5.2 基于 PID 控制器的双回路控制仿真研究 | 第42-44页 |
| 5.3 解耦基本原理 | 第44-46页 |
| 5.4 神经网络解耦 | 第46-48页 |
| 5.4.1 神经网络解耦原理 | 第46-47页 |
| 5.4.2 神经网络解耦算法 | 第47-48页 |
| 5.5 神经网络解耦仿真研究 | 第48-55页 |
| 5.5.1 基于 PID 控制器的神经网络解耦控制仿真研究 | 第48-51页 |
| 5.5.2 基于 RBF-PID 控制器的神经网络解耦控制仿真研究 | 第51-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间所发表的论文 | 第62-64页 |
| 致谢 | 第64页 |
