| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究与发展状况 | 第10-13页 |
| 1.2.1 轻汽油醚化技术的研究与发展状况 | 第10-11页 |
| 1.2.2 差分进化算法的研究与发展状况 | 第11页 |
| 1.2.3 BP算法的研究与发展状况 | 第11-12页 |
| 1.2.4 模糊神经网络研究与发展状况 | 第12-13页 |
| 1.2.5 DCS的研究与发展状况 | 第13页 |
| 1.3 课题的主要研究内容 | 第13-17页 |
| 2 轻汽油醚化系统工艺概述 | 第17-29页 |
| 2.1 轻汽油醚化技术的概述 | 第17-19页 |
| 2.1.1 轻汽油醚化技术的优点 | 第18-19页 |
| 2.1.2 轻汽油醚化技术推广的有利条件 | 第19页 |
| 2.2 CDTECH醚化工艺流程 | 第19-20页 |
| 2.3 CDTECH醚化工艺化学原理 | 第20-21页 |
| 2.4 CDTECH醚化工艺系统组成 | 第21-22页 |
| 2.5 CDTECH工艺系统过程分析 | 第22-26页 |
| 2.5.1 系统过程控制分析 | 第22-24页 |
| 2.5.2 醚化反应烯烃转化效率的影响因素 | 第24-25页 |
| 2.5.3 系统过程特性分析 | 第25-26页 |
| 2.6 醚化系统醇烯比值控制方案分析 | 第26-27页 |
| 2.7 本章小结 | 第27-29页 |
| 3 基于模糊神经网络的醇烯比值建模研究 | 第29-45页 |
| 3.1 模糊系统理论 | 第29-30页 |
| 3.1.1 模糊逻辑控制基本原理 | 第29-30页 |
| 3.1.2 模糊控制系统特点 | 第30页 |
| 3.2 BP算法 | 第30-34页 |
| 3.2.1 BP算法的网络结构 | 第30-31页 |
| 3.2.2 BP算法的执行过程 | 第31-34页 |
| 3.3 醇烯比值数学模型 | 第34-37页 |
| 3.3.1 甲醇流量阀模型 | 第35-36页 |
| 3.3.2 反应釜数学模型 | 第36-37页 |
| 3.4 模糊神经网络醇烯比值控制器设计与仿真 | 第37-43页 |
| 3.4.1 模糊神经网络控制器设计 | 第37-39页 |
| 3.4.2 模糊神经网络控制算法 | 第39-40页 |
| 3.4.3 仿真研究 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 基于DEBP算法的模糊神经网络在醚化系统控制中的研究 | 第45-59页 |
| 4.1 概述 | 第45页 |
| 4.2 差分进化算法 | 第45-48页 |
| 4.2.1 差分进化算法的执行过程 | 第46-48页 |
| 4.3 DEBP算法的研究 | 第48-52页 |
| 4.3.1 DEBP算法的原理 | 第48页 |
| 4.3.2 DEBP算法的执行过程 | 第48-50页 |
| 4.3.3 DEBP算法优化能力仿真分析 | 第50-52页 |
| 4.4 基于DEBP算法的模糊神经网络在醇烯比值控制中的仿真研究 | 第52-57页 |
| 4.5 本章小结 | 第57-59页 |
| 5 基于DeltaV系统的轻汽油醚化装置的控制实现 | 第59-73页 |
| 5.1 概述 | 第59-60页 |
| 5.2 DeltaV系统概述 | 第60-62页 |
| 5.2.1 DeltaV系统结构 | 第60-61页 |
| 5.2.2 DeltaVDCS系统工作站 | 第61-62页 |
| 5.3 DeltaV软件的组态过程 | 第62-67页 |
| 5.3.1 轻汽油醚化系统的整体组态实现 | 第62-64页 |
| 5.3.2 一般控制策略在DeltaV系统中的实现 | 第64-66页 |
| 5.3.3 DEBP模糊神经网络在DeltaV软件中的控制实现 | 第66-67页 |
| 5.4 基于DEBP算法的模糊神经网络控制效果分析 | 第67-72页 |
| 5.4.1 轻汽油醚化装置数据处理分析系统的建立 | 第67-68页 |
| 5.4.2 平稳率性能指标分析 | 第68-70页 |
| 5.4.3 数据趋势性能指标分析 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表学术论文目录 | 第81-83页 |
