| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-26页 |
| ·间歇过程中的优化方法 | 第14-16页 |
| ·间歇生产过程综合控制与优化 | 第14-15页 |
| ·间歇过程单元的操作优化 | 第15-16页 |
| ·间歇反应过程的特点及常用的控制方法 | 第16-21页 |
| ·间歇反应的特点及难点 | 第16-17页 |
| ·间歇反应中常用的控制方法 | 第17-21页 |
| ·非线性预测控制 | 第21-23页 |
| ·非线性模型预测控制的研究概况 | 第21-22页 |
| ·基于神经网络的非线性预测控制在间歇反应中的应用 | 第22页 |
| ·非线性模型预测控制存在的问题和发展方向 | 第22-23页 |
| ·论文选题的目的和意义 | 第23-24页 |
| ·内容安排 | 第24-26页 |
| 第二章 预备知识 | 第26-38页 |
| ·神经网络理论 | 第26-28页 |
| ·人工神经元模型 | 第26-27页 |
| ·神经网络 | 第27-28页 |
| ·RBF神经网络 | 第28-32页 |
| ·RBF神经网络的结构 | 第28-30页 |
| ·RBF神经网络的训练准则和常用算法 | 第30-32页 |
| ·粒子群优化算法 | 第32-38页 |
| ·算法原理 | 第33页 |
| ·粒子群优化算法的数据模型 | 第33-35页 |
| ·粒子群优化算法的计算流程 | 第35页 |
| ·改进的粒子群优化算法 | 第35-38页 |
| 第三章 温度优化曲线给定 | 第38-52页 |
| ·间歇反应过程 | 第38-42页 |
| ·反应过程介绍 | 第38-39页 |
| ·仿真装置介绍 | 第39-42页 |
| ·浓度与温度的模型 | 第42-46页 |
| ·数据的采集 | 第42-43页 |
| ·数据的归一化与反归一化 | 第43页 |
| ·温度和压力的关系 | 第43-44页 |
| ·主产物浓度与温度的模型 | 第44-46页 |
| ·搜索最优温度曲线 | 第46-51页 |
| ·本章小节 | 第51-52页 |
| 第四章 基于神经网络的非线性预测控制在间歇反应过程中的应用研究 | 第52-66页 |
| ·基于神经网络的非线性预测控制 | 第52-57页 |
| ·模型预测 | 第53-54页 |
| ·反馈校正 | 第54-55页 |
| ·参考轨迹 | 第55页 |
| ·滚动优化 | 第55-57页 |
| ·神经网络自适应预测控制算法的步骤 | 第57页 |
| ·李亚普诺夫稳定性分析 | 第57-59页 |
| ·控制结果分析 | 第59-65页 |
| ·控制程序 | 第59-60页 |
| ·非线性预测控制结果 | 第60-63页 |
| ·以升温度速率为基准的特殊PID控制结果 | 第63-64页 |
| ·控制结果的比较与分析 | 第64-65页 |
| ·本章小节 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 研究成果及发表的学术论文 | 第74-76页 |
| 作者和导师简介 | 第76-77页 |
| 北京化工大学 硕士研究生学位论文答辩委员会决议书 | 第77-78页 |