| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 目录 | 第9-13页 |
| 第一章 绪论 | 第13-33页 |
| 1．1 引言 | 第13-15页 |
| 1．2 石油化工流程模拟与优化技术概况 | 第15-26页 |
| 1．2．1 石油化工流程模拟技术的突破——“集总理论” | 第15-16页 |
| 1．2．2 化工流程模拟方法 | 第16-18页 |
| 1．2．3 化工过程优化方法 | 第18-20页 |
| 1．2．4 流程模拟与优化软件 | 第20-23页 |
| 1．2．5 在线流程模拟与优化技术 | 第23-26页 |
| 1．3 流程模拟与优化技术在催化重整过程中的应用 | 第26-30页 |
| 1．3．1 重整过程建模的发展概况 | 第26-29页 |
| 1．3．2 催化重整模拟与优化技术的工业应用 | 第29-30页 |
| 1．4 本论文的主要研究内容 | 第30-33页 |
| 第二章 催化重整过程简述 | 第33-41页 |
| 2．1 引言 | 第33-34页 |
| 2．2 催化重整工艺类型和发展 | 第34-35页 |
| 2．3 催化重整过程描述 | 第35-37页 |
| 2．4 催化重整化学反应 | 第37-39页 |
| 2．5 重整催化剂 | 第39-40页 |
| 2．6 常用工艺参数的名词解释 | 第40-41页 |
| 第三章 催化重整过程模型的建立 | 第41-69页 |
| 3．1 引言 | 第41-42页 |
| 3．2 集总划分和反应网络 | 第42-47页 |
| 3．3 集总反应动力学描述 | 第47-51页 |
| 3．4 催化剂失活对重整反应的影u向 | 第51-55页 |
| 3．4．1 半再生重整装置 | 第51-53页 |
| 3．4．2 连续重整装置 | 第53-55页 |
| 3．5 催化重整过程模型的建立 | 第55-60页 |
| 3．5．1 重整反应器模型 | 第55-56页 |
| 3．5．2 加热炉模型 | 第56-57页 |
| 3．5．3 换热器模型 | 第57-58页 |
| 3．5．4 重整油气分离罐模型 | 第58-60页 |
| 3．6 过程模型方程的求解方法 | 第60-63页 |
| 3．6．1 反应器模型方程的求解算法 | 第60-61页 |
| 3．6．2 分离罐模型方程的求解算法 | 第61-62页 |
| 3．6．3 过程模型的求解方法 | 第62-63页 |
| 3．7 物性计算及参数估计 | 第63-67页 |
| 3．7．2 物性计算 | 第63-65页 |
| 3．7．2 参数估计 | 第65-67页 |
| 3．8 小结 | 第67-69页 |
| 第四章 催化重整专用流程模拟软件的开发及工业应用 | 第69-87页 |
| 4．1 引言 | 第69-70页 |
| 4．2 ESP-Simpro软件的开发 | 第70-76页 |
| 4．2．1 软件的架构 | 第70-71页 |
| 4．2．2 软件的技术特点 | 第71-74页 |
| 4．2．3 软件的功能 | 第74-76页 |
| 4．3 ESP-Simpro软件的工业验证 | 第76-79页 |
| 4．4 基于ESP-Simpro软件的重整过程分析 | 第79-84页 |
| 4．4．1 对重整反应的再认识 | 第79-81页 |
| 4．4．2 进料液时空速 | 第81页 |
| 4．4．3 反应温度 | 第81-83页 |
| 4．4．4 反应压力 | 第83-84页 |
| 4．4．5 氢油比 | 第84页 |
| 4．5 小结 | 第84-87页 |
| 第五章 基于ASPEN PLUS的催化重整全流程模拟及工业应用 | 第87-99页 |
| 5．1 引言 | 第87-88页 |
| 5．2 连续重整工艺流程描述 | 第88-89页 |
| 5．3 用户单元操作模块的建立 | 第89-91页 |
| 5．4 全流程建模 | 第91-93页 |
| 5．4．1 虚拟组分的生成 | 第91页 |
| 5．4．2 物性集的选择 | 第91-92页 |
| 5．4．3 单元设备的选型 | 第92页 |
| 5．4．4 用户单元操作模块与内置模块的连接 | 第92-93页 |
| 5．5 全流程模型的工业验证 | 第93-95页 |
| 5．6 全流程模拟的工业应用 | 第95-98页 |
| 5．7 小结 | 第98-99页 |
| 第六章 催化重整过程模型的在线应用 | 第99-111页 |
| 6．1 引言 | 第99-100页 |
| 6．2 软测量模型的描述 | 第100-103页 |
| 6．2．1 基于20集总反应动力学的机理模型 | 第100页 |
| 6．2．2 基于部分最小二乘算法(PLS)的线性回归模型 | 第100-101页 |
| 6．2．3 基于混合学习的一阶TSK模糊神经网络模型 | 第101-103页 |
| 6．3 软测量模型的离线工业验证和比较 | 第103-104页 |
| 6．4 软测量模型的在线应用 | 第104-109页 |
| 6．5 小结 | 第109-111页 |
| 第七章 遗传算法在催化重整约束优化中的应用 | 第111-121页 |
| 7．1 引言 | 第111-112页 |
| 7．2 非线性规划(NLP)算法 | 第112-116页 |
| 7．2．1 拉格朗日—马夸特(Lagrange-Marquardt)算法 | 第112-113页 |
| 7．2．2 序列二次规划(Sequential Quadrmic Programming)算法 | 第113-114页 |
| 7．2．3 遗传算法 | 第114-116页 |
| 7．3 优化问题描述 | 第116-117页 |
| 7．4 结果与讨论 | 第117-120页 |
| 7．4．1 遗传算法 | 第117-119页 |
| 7．4．2 遗传算法与传统算法的结合 | 第119-120页 |
| 7．5 小结 | 第120-121页 |
| 第八章 遗传算法在催化重整多目标优化中的应用 | 第121-133页 |
| 8．1 引言 | 第121-122页 |
| 8．2 多目标优化算法 | 第122-126页 |
| 8．2．1 邻域和存档操作遗传算法(NAGA) | 第122-124页 |
| 8．2．2 混合遗传算法(HNAGA) | 第124-126页 |
| 8．3 多目标优化问题描述 | 第126-128页 |
| 8．4 结果与讨论 | 第128-132页 |
| 8．5 小结 | 第132-133页 |
| 第九章 结论与展望 | 第133-137页 |
| 参考文献 | 第137-147页 |
| 作者在攻读博士学位期间发表或投寄的论文 | 第147-149页 |
| 作者在攻读博士学位期间参加及完成的课题情况 | 第149-151页 |
| 致谢 | 第151-152页 |
