| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-24页 |
| ·甲醇-丙酮系统研究现状 | 第10-13页 |
| ·变压精馏 | 第10-12页 |
| ·恒沸精馏 | 第12页 |
| ·萃取精馏 | 第12-13页 |
| ·精馏优化技术 | 第13-16页 |
| ·改变精馏流程的节能技术 | 第14-15页 |
| ·不改变精馏流程的节能技术 | 第15-16页 |
| ·化工过程模拟技术 | 第16-18页 |
| ·过程模拟技术的发展 | 第16-17页 |
| ·流程模拟软件 | 第17-18页 |
| ·优化方法 | 第18-22页 |
| ·正交设计法 | 第18-19页 |
| ·均匀设计法 | 第19页 |
| ·遗传算法 | 第19-20页 |
| ·粒子群算法 | 第20页 |
| ·响应面分析法 | 第20-21页 |
| ·人工神经网络 | 第21-22页 |
| ·MATLAB 简介 | 第22-23页 |
| ·MATLAB 的应用领域 | 第22页 |
| ·MATLAB 的语言特点 | 第22-23页 |
| ·本文工作及课题意义 | 第23-24页 |
| 第二章 萃取精馏分离甲醇-丙酮的工艺 | 第24-28页 |
| ·精馏工艺的基础数据 | 第24-25页 |
| ·物性分析 | 第24页 |
| ·热力学方程的选取 | 第24-25页 |
| ·精馏工艺模型的建立 | 第25-27页 |
| ·工艺流程 | 第25-26页 |
| ·精馏工艺模拟优化的目标及参数 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 萃取精馏塔与丙酮塔单因素分析及中心组合实验 | 第28-40页 |
| ·单因素分析 | 第28-35页 |
| ·萃取精馏塔中各参数对目标函数的影响 | 第28-32页 |
| ·丙酮塔中各参数对目标函数的影响 | 第32-35页 |
| ·中心组合设计 | 第35-37页 |
| ·中心组合设计简介 | 第35页 |
| ·中心组合实验设计及实验结果 | 第35-37页 |
| ·本章小结 | 第37-40页 |
| 第四章 基于响应面的萃取精馏塔与丙酮塔的优化 | 第40-54页 |
| ·响应面方法概述 | 第40-44页 |
| ·响应面原理 | 第40-42页 |
| ·响应面函数的检验 | 第42-44页 |
| ·基于响应面方法的数学模型的建立 | 第44-50页 |
| ·丙酮含量的数学模型 | 第44-47页 |
| ·塔釜总能耗的数学模型 | 第47-50页 |
| ·基于响应面建模的优化结果 | 第50-53页 |
| ·序贯二次规划法 | 第51-52页 |
| ·优化结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于神经网络的萃取精馏塔与丙酮塔的优化 | 第54-68页 |
| ·人工神经网络基本理论 | 第54-57页 |
| ·人工神经元模型 | 第54-56页 |
| ·BP 网络结构 | 第56-57页 |
| ·基于人工神经网络数学模型的建立 | 第57-63页 |
| ·训练样本 | 第57页 |
| ·神经网络结构的确定 | 第57-62页 |
| ·神经网络训练结果 | 第62-63页 |
| ·基于人工神经网络的优化结果 | 第63页 |
| ·两种优化方法的比较 | 第63-65页 |
| ·本章小结 | 第65-68页 |
| 第六章 基于人工神经网络的甲醇塔优化 | 第68-76页 |
| ·单因素分析及中心组合实验 | 第68-71页 |
| ·单因素分析 | 第68-70页 |
| ·中心组合实验 | 第70-71页 |
| ·人工神经网络数学模型的建立 | 第71-73页 |
| ·甲醇含量的数学模型的建立 | 第71-72页 |
| ·塔釜能耗的数学模型的建立 | 第72-73页 |
| ·甲醇塔优化结果 | 第73-74页 |
| ·本章小结 | 第74-76页 |
| 第七章 结论 | 第76-78页 |
| 参考文献 | 第78-86页 |
| 攻读学位期间所取得的相关科研成果 | 第86-88页 |
| 致谢 | 第88页 |