| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 引言 | 第13页 |
| 1.2 机理建模 | 第13-14页 |
| 1.3 经验建模 | 第14-20页 |
| 1.3.1 神经网络模型(ANN) | 第15-17页 |
| 1.3.2 支持向量回归模型(SVR) | 第17-20页 |
| 1.4 混合建模 | 第20-23页 |
| 1.4.1 并联结构 | 第21-22页 |
| 1.4.2 串联结构 | 第22页 |
| 1.4.3 先验知识 | 第22-23页 |
| 1.5 混合模型的应用领域 | 第23-25页 |
| 1.5.1 化学工程 | 第23-24页 |
| 1.5.2 生物工程 | 第24页 |
| 1.5.3 过程监控 | 第24页 |
| 1.5.4 过程控制 | 第24页 |
| 1.5.5 过程优化 | 第24-25页 |
| 1.6 本文主要研究内容与结构安排 | 第25-28页 |
| 第二章 基于神经网络反应速率模型的混合动力学模型 | 第28-42页 |
| 2.1 引言 | 第28-29页 |
| 2.2 基于神经网络反应速率模型的混合动力学模型架构 | 第29-30页 |
| 2.3 基于神经网络反应速率模型的PX氧化过程混合模型 | 第30-34页 |
| 2.3.1 实验装置与过程 | 第30-31页 |
| 2.3.2 反应机理 | 第31-32页 |
| 2.3.3 物料平衡方程 | 第32页 |
| 2.3.4 基于神经网络模型的反应速率模型 | 第32-34页 |
| 2.3.4.1 确定网络的输入与输出变量 | 第32-33页 |
| 2.3.4.2 神经网络反应速率模型 | 第33-34页 |
| 2.3.5 PX氧化反应过程混合模型 | 第34页 |
| 2.4 结果与讨论 | 第34-41页 |
| 2.4.1 模型性能评估指标 | 第34-35页 |
| 2.4.2 神经网络反应速率模型 | 第35-37页 |
| 2.4.3 混合模型 | 第37-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 基于支持向量反应速率常数模型的嵌入式混合动力学模型 | 第42-66页 |
| 3.1 引言 | 第42-43页 |
| 3.2 基于支持向量反应速率常数模型的嵌入式混合动力学模型架构 | 第43-44页 |
| 3.3 PX氧化反应过程的三种动力学模型 | 第44-50页 |
| 3.3.1 动力学模型 | 第44-46页 |
| 3.3.2 动力学参数估计 | 第46-50页 |
| 3.4 基于支持向量反应速率常数模型的PX氧化过程混合模型 | 第50-53页 |
| 3.4.1 数据采集与预处理 | 第50-51页 |
| 3.4.2 动力学速率常数模型 | 第51-52页 |
| 3.4.3 过程混合模型 | 第52-53页 |
| 3.5 结果与讨论 | 第53-64页 |
| 3.5.1 三种动力学模型的拟合性能 | 第54-56页 |
| 3.5.2 混合模型的预测性能 | 第56-64页 |
| 3.6 本章小结 | 第64-66页 |
| 第四章 基于双神经网络与机理模型混联的混合动力学模型 | 第66-85页 |
| 4.1 引言 | 第66-67页 |
| 4.2 基于双神经网络与机理模型混联的混合动力学模型架构 | 第67-68页 |
| 4.3 葡萄糖酸钠发酵过程的机理模型 | 第68-70页 |
| 4.3.1 机理模型 | 第68页 |
| 4.3.2 机理模型的性能 | 第68-70页 |
| 4.4 基于双神经网络与机理模型混联的葡萄糖酸钠发酵过程混合模型 | 第70-75页 |
| 4.4.1 基于神经网络的菌体生长速率模型 | 第70-72页 |
| 4.4.1.1 确定输入输出变量 | 第70-72页 |
| 4.4.1.2 神经网络模型的训练 | 第72页 |
| 4.4.2 基于神经网络的反应动力学参数模型 | 第72-74页 |
| 4.4.3 葡萄糖酸钠发酵过程的混合模型 | 第74-75页 |
| 4.5 结果与讨论 | 第75-83页 |
| 4.5.1 模型性能评估指标 | 第75页 |
| 4.5.2 神经网络速率模型 | 第75-76页 |
| 4.5.3 混合模型 | 第76-83页 |
| 4.6 本章小结 | 第83-85页 |
| 第五章 基于实验过程混合模型校正的工业过程混合模型 | 第85-98页 |
| 5.1 引言 | 第85页 |
| 5.2 基于神经网络校正模型的工业过程混合模型架构 | 第85-86页 |
| 5.3 基于神经网络校正模型的工业PX氧化过程混合模型 | 第86-91页 |
| 5.3.1 工业PX氧化反应过程 | 第86-87页 |
| 5.3.2 基于神经网络的反应速率常数校正模型 | 第87-89页 |
| 5.3.3 工业PX氧化反应过程混合模型 | 第89-91页 |
| 5.4 结果与讨论 | 第91-97页 |
| 5.4.1 PX氧化反应过程的质量指标 | 第91页 |
| 5.4.2 工业PX氧化反应过程混合模型的性能 | 第91-97页 |
| 5.5 本章小结 | 第97-98页 |
| 第六章 论文总结和研究展望 | 第98-101页 |
| 6.1 本文的主要研究总结 | 第98-99页 |
| 6.2 进一步研究的展望 | 第99-101页 |
| 参考文献 | 第101-115页 |
| 致谢 | 第115-116页 |
| 攻读博士学位期间完成的学术论文和参加的科研项目 | 第116-117页 |
| 完成的学术论文 | 第116-117页 |
| 参加的科研项目 | 第117页 |
