| 英文摘要 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| 第一章 绪论 | 第7-16页 |
| 1．1 过程控制的现状与发展 | 第7-10页 |
| 1．2 控制理论在过程工业中的应用 | 第10-13页 |
| 1．2．1 现代工业过程建模 | 第10-11页 |
| 1．2．2 先进过程控制 | 第11页 |
| 1．2．3 过程优化 | 第11-13页 |
| 1．3 化工过程控制的优化 | 第13-16页 |
| 1．3．1 化工数据的校正 | 第13页 |
| 1．3．2 化工过程优化的层次结构 | 第13-16页 |
| 第二章 气体分离装置操作优化的问题 | 第16-26页 |
| 2．1 气体分离装置工艺简介 | 第16-17页 |
| 2．2 气体分离装置存在的问题 | 第17-20页 |
| 2．3 气体分离装置质量指标、操作变量和目标函数 | 第20-26页 |
| 第三章 气体分离装置过程流程模型的建立 | 第26-37页 |
| 3．1 基于流程模拟的建模方法的发展 | 第26-30页 |
| 3．1．1 稳态流程模拟系统的发展 | 第26-28页 |
| 3．1．2 动态流程模拟系统的发展 | 第28-30页 |
| 3．2 气体分离装置的机理建模 | 第30-33页 |
| 3．3 边界操作条件的确定 | 第33-35页 |
| 3．4 正交试验设计 | 第35-37页 |
| 第四章 气体分离装置的神经网络模型 | 第37-53页 |
| 4．1 神经网络的基本概念和理论 | 第37-40页 |
| 4．2 人工神经网络用于控制邻域的主要特征 | 第40-41页 |
| 4．3 气体分馏装置神经网络模型 | 第41-44页 |
| 4．4 网络训练算法及结果 | 第44-53页 |
| 4．4．1 动量法和学习率自适应调整策略 | 第44-45页 |
| 4．4．2 Levenberg-Marquardt优化方法 | 第45页 |
| 4．4．3 网络训练结果及比较 | 第45-53页 |
| 第五章 神经网络模型的规则抽取 | 第53-72页 |
| 5．1 神经网络规则抽取方法 | 第53-60页 |
| 5．1．1 规则抽取研究的重要性 | 第53-54页 |
| 5．1．2 规则抽取算法 | 第54-60页 |
| 5．1．2．1 基于结构分析的规则抽取算法 | 第54-58页 |
| 5．1．2．2 基于性能分析的规则抽取算法 | 第58-60页 |
| 5．2 气体分离装置神经网络模型的抽取方法 | 第60-63页 |
| 5．2．1 神经网络转换规则 | 第60页 |
| 5．2．2 标准神经网络的规则抽取 | 第60-61页 |
| 5．2．3 非标准神经网络的规则抽取 | 第61-63页 |
| 5．3 神经网络规则抽取实例 | 第63-70页 |
| 5．3．1 塔501顶C4总含量神经网络模型的规则抽取 | 第64-67页 |
| 5．3．1．1 网络设计及减枝 | 第64-65页 |
| 5．3．1．2 规则的抽取 | 第65-67页 |
| 5．3．2 塔504顶丙烯浓度神经网络模型的规则提取 | 第67-70页 |
| 5．3．2．1 网络设计及减枝 | 第67页 |
| 5．3．2．2 规则的抽取 | 第67-70页 |
| 5．4 进一步的研究 | 第70-72页 |
| 第六章 遗传算法对约束优化问题的求解 | 第72-86页 |
| 6．1 遗传算法概述 | 第72-74页 |
| 6．2 对约束问题的求解 | 第74-80页 |
| 6．2．1 基于惩罚函数法和遗传算法的求解约束优化方法 | 第75-78页 |
| 6．2．2 其他算法 | 第78-80页 |
| 6．3 优化结果及结果分析 | 第80-86页 |
| 6．3．1 气体分离装置能耗问题优化结果 | 第80-83页 |
| 6．3．2 优化结果讨论 | 第83-86页 |
| 第七章 结束语 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |
