摘要 | 第1-3页 |
Abstract | 第3-7页 |
第一章 绪论 | 第7-21页 |
·课题的目的和意义 | 第7-8页 |
·软测量技术 | 第8-13页 |
·软测量技术介绍 | 第8-9页 |
·软测量技术综述 | 第9-12页 |
·二次变量的选择 | 第9-10页 |
·输入数据处理 | 第10页 |
·软测量模型的建立方法 | 第10-11页 |
·软测量模型的在线校正 | 第11-12页 |
·软测量技术在过程控制中的应用和发展趋势 | 第12-13页 |
·工艺背景分析 | 第13-20页 |
·常压蒸馏塔的工艺流程 | 第13-16页 |
·常压蒸馏塔生产需求 | 第16-17页 |
·影响常压塔产品质量的因素 | 第17-18页 |
·软测量模型基本结构的确定 | 第18-20页 |
·论文各部分的主要内容 | 第20-21页 |
第二章 数据处理和辅助变量的选择 | 第21-35页 |
·统计基础知识 | 第21-22页 |
·总体与样本 | 第21页 |
·基本概念 | 第21-22页 |
·数据处理 | 第22-26页 |
·采集样本时的数据处理 | 第23-24页 |
·数据样本集的处理 | 第24-25页 |
·数据变换 | 第25-26页 |
·相关分析 | 第26-29页 |
·相关系数 | 第27-28页 |
·二线柴油凝点与过程变量之间的相关分析 | 第28-29页 |
·汽油干点与过程变量之间的相关分析 | 第29页 |
·主元分析 | 第29-34页 |
·基本原理 | 第29-31页 |
·PCA 在精选辅助变量的应用 | 第31-32页 |
·PCA 选择辅助变量的应用 | 第32-34页 |
·结论 | 第34-35页 |
第三章 基于线性回归建立柴油凝点软测量模型 | 第35-46页 |
·回归分析基本概念 | 第35-38页 |
·最小二乘法 | 第35页 |
·一元线性回归求解 | 第35-36页 |
·模型的评价标准 | 第36-38页 |
·多元线性回归 | 第38-42页 |
·基本算法 | 第38-39页 |
·基于多元线性回归建立柴油凝点模型 | 第39-42页 |
·部分最小二乘回归(PLS) | 第42-45页 |
·基本算法 | 第42-43页 |
·基于 PLS 建立柴油凝点模型 | 第43-45页 |
·结论 | 第45-46页 |
第四章 基于人工神经元网络建立柴油凝点软测量模型 | 第46-64页 |
·人工神经网络技术 | 第46-51页 |
·人工神经网络的发展 | 第46-47页 |
·人工神经网络的特点 | 第47-48页 |
·人工神经网络的基本特征 | 第48-49页 |
·人工神经网络的应用 | 第49-51页 |
·BP 网络 | 第51-58页 |
·BP 算法 | 第51-53页 |
·BP 网络的设计 | 第53-54页 |
·基于 BP 网络建立柴油凝点软测量模型 | 第54-56页 |
·基于 BP 网络建立汽油干点软测量模型遇到的问题 | 第56-58页 |
·RBF 网络 | 第58-63页 |
·RBF 网络的结构特点 | 第59-60页 |
·RBF 网络的学习和训练方法 | 第60-62页 |
·基于RBF 网络建立柴油凝点的软测量模型 | 第62-63页 |
·结论 | 第63-64页 |
第五章 模型的实施和校正 | 第64-74页 |
·不同建模方法的比较 | 第64-66页 |
·多元线性回归与部分最小二乘回归 | 第64-65页 |
·基于BP 网络建模与 RBF 网络建模 | 第65-66页 |
·DCS 控制系统 | 第66-70页 |
·Advant DCS 系统的主要特点 | 第66-68页 |
·Advant DCS 系统主要结构 | 第68-69页 |
·先进500 系列工作站 | 第69-70页 |
·软测量模型的实施和在线校正 | 第70-73页 |
·柴油凝点软测量模型的在线运行 | 第70-71页 |
·柴油凝点软测量模型的在线校正 | 第71-73页 |
·结论 | 第73-74页 |
第六章 结束语 | 第74-77页 |
·论文工作总结 | 第74-75页 |
·软测量技术的研究趋势 | 第75-77页 |
参考文献 | 第77-79页 |
发表论文和参加科研情况说明 | 第79-80页 |
附录 | 第80-88页 |
致谢 | 第88页 |