| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题背景及意义 | 第9-10页 |
| ·年产3万吨二氧化碳精制回收系统简介 | 第10-11页 |
| ·DCS技术概述 | 第11-13页 |
| ·DCS发展现状 | 第11-12页 |
| ·未来 DCS发展趋势 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 二氧化碳精制工程 DCS控制系统的设计 | 第14-33页 |
| ·MACSV DCS网络结构介绍 | 第14-18页 |
| ·系统结构 | 第14页 |
| ·监控网络 | 第14页 |
| ·系统网络 | 第14-15页 |
| ·控制网络 | 第15页 |
| ·PROFIBUS-DP的基本功能 | 第15-18页 |
| ·三万吨二氧化碳精制回收系统的控制方案 | 第18-25页 |
| ·系统结构确定 | 第18页 |
| ·控制方案确定 | 第18-21页 |
| ·控制方案在MACSV下实现 | 第21-23页 |
| ·报警设计 | 第23-24页 |
| ·流量累积 | 第24-25页 |
| ·监控界面设计 | 第25-32页 |
| ·监控组态软件的背景、现状和发展趋势 | 第25页 |
| ·MACSV图形组态工具介绍 | 第25-26页 |
| ·监控界面设计 | 第26-28页 |
| ·事故追忆与 SOE追忆 | 第28-29页 |
| ·趋势曲线 | 第29-30页 |
| ·报表组态 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 3 系统调试 | 第33-41页 |
| ·现场调试 | 第33页 |
| ·校准仪表 | 第33-34页 |
| ·系统投运 | 第34-37页 |
| ·手动控制的投运 | 第34-35页 |
| ·自动控制的投运 | 第35-37页 |
| ·控制参数整定 | 第37-39页 |
| ·PID控制器控制参数的整定方法 | 第37-39页 |
| ·串级 PID控制器参数整定步骤及方法 | 第39页 |
| ·经验体会 | 第39-40页 |
| ·存在的问题 | 第40-41页 |
| 4 基于RBF网络的软测量方法 | 第41-51页 |
| ·软测量技术 | 第41-46页 |
| ·软测量技术发展现状 | 第41-42页 |
| ·工业过程软测量模型 | 第42-43页 |
| ·辅助变量的选择 | 第43页 |
| ·输入数据的处理 | 第43-44页 |
| ·软测量模型的建立 | 第44-45页 |
| ·软测量模型的在线校正 | 第45-46页 |
| ·径向基函数(RBF)神经网络 | 第46-51页 |
| ·RBF神经网络结构 | 第46-48页 |
| ·RBF神经网络应用中的输入数据预处理 | 第48页 |
| ·RBF网络选取中心的学习方法 | 第48-49页 |
| ·RBF网络结构与权值的学习算法 | 第49-51页 |
| 5 基于RBF神经网络二氧化碳纯度软测量方法实现 | 第51-61页 |
| ·平衡蒸馏原理 | 第51页 |
| ·平衡蒸馏的计算 | 第51-52页 |
| ·闪蒸罐结构图及工作原理 | 第52-53页 |
| ·现场数据的获取和处理方法 | 第53-55页 |
| ·延时时间的确定 | 第54页 |
| ·主元分析(PCA Principal Component Analysis)法处理数据 | 第54-55页 |
| ·数据的归一化处理 | 第55页 |
| ·RBF模型训练方法 | 第55-57页 |
| ·RBF神经网络训练结果 | 第57-60页 |
| ·二氧化碳浓度软测量网络的训练结果 | 第57-59页 |
| ·二氧化碳浓度软测量网络的检验结果 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录A RBF网络训练数据表 | 第64-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-74页 |