| 第一章 概述 | 第1-16页 |
| ·论文选题的目的和意义 | 第7-8页 |
| ·相关文献综述 | 第8-14页 |
| ·原油蒸馏过程建模及侧线质量估计 | 第8-9页 |
| ·工业控制组态软件 | 第9-11页 |
| ·人工神经网络与数学建模 | 第11-12页 |
| ·遗传算法 | 第12-13页 |
| ·软测量技术及其工程化 | 第13-14页 |
| ·论文的工作 | 第14-16页 |
| 第二章 常减压塔装置概况 | 第16-21页 |
| ·常减压装置过程工艺简介 | 第16-17页 |
| ·工艺流程说明 | 第17-19页 |
| ·原油系统换热 | 第17页 |
| ·常压塔 | 第17-18页 |
| ·减压塔 | 第18-19页 |
| ·影响粘度和闪点的因素分析 | 第19-21页 |
| 第三章 工业控制组态软件及应用 | 第21-37页 |
| ·工控组态软件概述 | 第21-26页 |
| ·工控组态软件的功能 | 第21-22页 |
| ·工控组态软件的结构 | 第22-24页 |
| ·工控组态软件产品的发展趋势 | 第24-26页 |
| ·工控组态软件FIX的开发与应用 | 第26-30页 |
| ·基于FIX的新疆某厂常减压蒸馏装置SCADA系统开发 | 第26-28页 |
| ·在FIX平台上编写VC、VB应用软件 | 第28-30页 |
| ·其它工控组态软件介绍 | 第30-37页 |
| ·工控组态软件Intouch简介 | 第30-32页 |
| ·工控组态软Intouch与第三方软件的通讯 | 第32-34页 |
| ·工控组态软件力控Forcecontrol简介 | 第34-37页 |
| 第四章 RBF神经网络建立软测量仪表 | 第37-49页 |
| ·软测量技术 | 第37-41页 |
| ·软测量建模方法 | 第37-39页 |
| ·软测量仪表工程化 | 第39-40页 |
| ·软测量模型的维护 | 第40-41页 |
| ·RBF神经网络 | 第41-49页 |
| ·RBF神经网络结构 | 第41-43页 |
| ·RBF神经网络聚类学习算法 | 第43-45页 |
| ·RBF神经网络正交最小二乘学习算法 | 第45-46页 |
| ·RBF神经网络算法的改进 | 第46-49页 |
| 第五章 遗传算法优化RBF神经网络 | 第49-55页 |
| ·遗传算法分析 | 第49-53页 |
| ·染色体编码分析 | 第49-51页 |
| ·选择、交叉、变异算子 | 第51-52页 |
| ·实数编码遗传算法 | 第52-53页 |
| ·遗传算法优化RBF神经网络 | 第53-55页 |
| 第六章 广义信息熵融合异构RBF多神经网络 | 第55-64页 |
| ·非线性对象的多神经网络模型引入 | 第55-58页 |
| ·单神经元网络存在的问题 | 第55-56页 |
| ·多神经网络模型 | 第56-58页 |
| ·非线性对象的多神经网络建模方法 | 第58-63页 |
| ·多神经网络的样本处理 | 第58-59页 |
| ·多神经网络的广义信息熵融合策略 | 第59-63页 |
| ·广义信息熵融合异构RBF多神经网络 | 第63-64页 |
| 第七章 RBF神经网络建模实例及讨论 | 第64-76页 |
| ·仿真实例 | 第64-67页 |
| ·现场实例 | 第67-73页 |
| ·讨论 | 第73-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读学位期间发表的学术论文目录 | 第83页 |