| 摘要 | 第1-7页 |
| Abstract | 第7-16页 |
| 第一章 绪论 | 第16-27页 |
| ·计算智能方法的研究进展 | 第16-20页 |
| ·人工神经网络 | 第16-17页 |
| ·模糊技术 | 第17-18页 |
| ·粒子群 | 第18-19页 |
| ·蚁群算法 | 第19-20页 |
| ·流程工业生产现状及面临的问题 | 第20-21页 |
| ·流程工业建模与优化研究现状 | 第21-23页 |
| ·计算智能在流程工业的应用研究 | 第23-25页 |
| ·本文的研究内容 | 第25页 |
| ·本文的组织结构 | 第25-27页 |
| 第二章 流程工业数据预处理 | 第27-32页 |
| ·数据预处理 | 第27-31页 |
| ·异常数据的剔除 | 第27-28页 |
| ·随机噪声处理 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第三章 模糊粒子群神经网络算法 | 第32-48页 |
| ·粒子群算法 | 第32-35页 |
| ·算法简介 | 第32-33页 |
| ·算法参数分析与设置 | 第33-34页 |
| ·收敛性 | 第34-35页 |
| ·模糊粒子群神经网络算法 | 第35-39页 |
| ·算法简介 | 第35-36页 |
| ·算法分析 | 第36-38页 |
| ·算法流程 | 第38-39页 |
| ·算法仿真研究 | 第39-41页 |
| ·模糊粒子群神经网络在乙烯裂解中的应用实例研究 | 第41-47页 |
| ·乙烯裂解炉简介 | 第41-43页 |
| ·COT温度预测 | 第43-45页 |
| ·乙烯收率预测 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第四章 模糊多目标粒子群算法 | 第48-63页 |
| ·引言 | 第48-49页 |
| ·多目标优化问题与Pareto集 | 第49-50页 |
| ·多目标进化算法 | 第50-51页 |
| ·多目标粒子群算法收敛性分析 | 第51-53页 |
| ·多目标粒子群算法 | 第53-54页 |
| ·基于Pareto集的模糊多目标粒子群算法 | 第54-62页 |
| ·算法流程 | 第56-57页 |
| ·算法性能评价 | 第57-58页 |
| ·仿真研究 | 第58-62页 |
| ·小结 | 第62-63页 |
| 第五章 基于进化机制的蚁群算法 | 第63-70页 |
| ·引言 | 第63页 |
| ·原始蚁群算法 | 第63-64页 |
| ·原始蚁群算法收敛性 | 第64-65页 |
| ·基于进化机制的蚁群算法 | 第65-67页 |
| ·仿真研究 | 第67-68页 |
| ·小结 | 第68-70页 |
| 第六章 PTA溶剂脱水单元及特性分析 | 第70-91页 |
| ·工业PTA溶剂脱水单元简介 | 第70-74页 |
| ·PTA溶剂脱水塔的机理模型 | 第74-82页 |
| ·数值计算稳定性分析 | 第82-83页 |
| ·动态特性分析 | 第83-89页 |
| ·温度对PTA溶剂脱水过程的影响 | 第83-84页 |
| ·动态响应过程分析 | 第84-89页 |
| ·小结 | 第89-91页 |
| 第七章 算法在流程工业问题中的应用 | 第91-109页 |
| ·进化蚁群算法在工业PTA中应用 | 第91-96页 |
| ·模糊多目标粒子群算法在流程工业优化中的应用 | 第96-107页 |
| ·模糊多目标粒子群算法在乙烯裂解炉中应用 | 第96-102页 |
| ·模糊多目标粒子群算法在工业PTA溶剂脱水系统醋酸降耗问题中的应用 | 第102-107页 |
| ·小结 | 第107-109页 |
| 第八章 总结与展望 | 第109-111页 |
| ·论文内容总结 | 第109-110页 |
| ·展望 | 第110-111页 |
| 参考文献 | 第111-119页 |
| 致谢 | 第119-120页 |
| 攻博期间完成的论文和参加的科研项目 | 第120页 |