群能量守恒粒子群算法及其在发酵过程控制中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-21页 |
| 第一章 绪论 | 第21-35页 |
| ·引言 | 第21页 |
| ·发酵过程优化控制研究现状 | 第21-32页 |
| ·发酵过程模型优化 | 第22-24页 |
| ·发酵过程优化控制策略 | 第24-27页 |
| ·粒子群优化算法 | 第27-29页 |
| ·多目标进化算法 | 第29-32页 |
| ·课题的研究意义和主要研究内容 | 第32-35页 |
| ·课题的研究意义 | 第32-33页 |
| ·主要研究内容 | 第33-35页 |
| 第二章 群能量守恒粒子群优化算法研究 | 第35-59页 |
| ·引言 | 第35页 |
| ·粒子群优化算法 | 第35-39页 |
| ·粒子群优化算法原理 | 第35-36页 |
| ·粒子群优化算法参数分析 | 第36-37页 |
| ·粒子群优化算法收敛性分析 | 第37-38页 |
| ·粒子群优化算法拓扑结构分析 | 第38-39页 |
| ·优化问题测试函数 | 第39-41页 |
| ·粒子群优化算法的改进 | 第41-49页 |
| ·改进算法原理 | 第41-42页 |
| ·改进算法实现 | 第42页 |
| ·改进算法分析 | 第42-46页 |
| ·改进算法测试结果 | 第46-49页 |
| ·群能量守恒粒子群优化算法 | 第49-56页 |
| ·SEC-PSO算法原理 | 第49-50页 |
| ·SEC-PSO算法实现 | 第50-51页 |
| ·SEC-PSO算法分析 | 第51-53页 |
| ·SEC-PSO算法参数选择 | 第53-55页 |
| ·SEC-PSO算法测试结果 | 第55-56页 |
| ·小结 | 第56-59页 |
| 第三章 多目标协同进化算法研究 | 第59-85页 |
| ·引言 | 第59页 |
| ·多目标进化算法 | 第59-66页 |
| ·多目标优化问题描述 | 第59-61页 |
| ·经典多目标进化算法分析 | 第61-66页 |
| ·群能量守恒多目标粒子群优化算法 | 第66-77页 |
| ·SEC-MOPSO算法原理 | 第66-68页 |
| ·SEC-MOPSO算法实现 | 第68-69页 |
| ·SEC-MOPSO算法分析 | 第69-70页 |
| ·SEC-MOPSO性能测试 | 第70-77页 |
| ·多目标协同进化算法 | 第77-83页 |
| ·CEMO算法原理 | 第77-79页 |
| ·CEMO算法实现 | 第79-80页 |
| ·CEMO性能测试 | 第80-83页 |
| ·小结 | 第83-85页 |
| 第四章 发酵过程批次间优化控制方法及系统研究 | 第85-95页 |
| ·引言 | 第85页 |
| ·发酵过程批次间优化控制方法 | 第85-91页 |
| ·发酵过程传统优化方法 | 第85-86页 |
| ·批次间控制方法 | 第86-87页 |
| ·发酵过程批次间协同优化方法 | 第87-91页 |
| ·基于PXI总线的发酵过程智能测控系统 | 第91-94页 |
| ·数据采集和控制功能 | 第93页 |
| ·常规参数控制回路 | 第93页 |
| ·智能检测单元 | 第93页 |
| ·基于OPC接口的实时数据管理 | 第93-94页 |
| ·查询模块 | 第94页 |
| ·小结 | 第94-95页 |
| 第五章 实验测试与分析 | 第95-107页 |
| ·引言 | 第95页 |
| ·发酵过程模型优化及优化控制实验 | 第95-102页 |
| ·青霉素发酵过程模型参数估计 | 第95-99页 |
| ·工业酵母发酵过程模型参数估计 | 第99-101页 |
| ·工业酵母发酵过程优化控制 | 第101-102页 |
| ·批次间协同优化控制方法实验 | 第102-107页 |
| 第六章 结论与展望 | 第107-109页 |
| ·结论 | 第107-108页 |
| ·展望 | 第108-109页 |
| 参考文献 | 第109-117页 |
| 附录 | 第117-121页 |
| 致谢 | 第121-123页 |
| 攻博期间完成的论文和参加的科研项目 | 第123-125页 |
| 作者和导师简介 | 第125-126页 |
| 北京化工大学博士研究生学位论文答辩委员会决议书 | 第126-127页 |
