| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-9页 |
| 1. 绪论 | 第9-19页 |
| ·研究背景 | 第9页 |
| ·生化过程优化和控制概述 | 第9-15页 |
| ·生化过程参数在线检测 | 第10-11页 |
| ·生化过程环境参数控制 | 第11页 |
| ·生化过程的模型化方法 | 第11-13页 |
| ·生化过程状态估计 | 第13-14页 |
| ·生化过程优化控制 | 第14-15页 |
| ·国内外研究水平和发展趋势 | 第15-16页 |
| ·本论文的主要研究内容 | 第16-19页 |
| ·生化过程智能控制研究中存在的问题 | 第16-17页 |
| ·本论文的主要研究内容 | 第17-18页 |
| ·论文撰写说明 | 第18-19页 |
| 2. 智能控制理论和方法 | 第19-35页 |
| ·引言 | 第19-20页 |
| ·智能控制 | 第20-21页 |
| ·专家系统 | 第21页 |
| ·模糊控制 | 第21-26页 |
| ·模糊逻辑控制 | 第21-22页 |
| ·模糊控制器(FLC) | 第22-25页 |
| ·模糊模型与控制算法 | 第25-26页 |
| ·神经网络建模与控制 | 第26-32页 |
| ·神经网络 | 第26-28页 |
| ·多层前馈神经网络与反向传播学习算法 | 第28-30页 |
| ·神经网络建模与控制 | 第30-32页 |
| ·智能技术在过程控制中的应用 | 第32-33页 |
| ·智能技术与DCS 结合 | 第32页 |
| ·智能技术用于故障诊断 | 第32-33页 |
| ·智能技术应用于复杂工业过程 | 第33页 |
| ·小结 | 第33-35页 |
| 3. FPC20000 生化过程集散控制系统 | 第35-49页 |
| ·引言 | 第35-36页 |
| ·FPC2000 生化过程集散控制系统的硬件结构 | 第36-38页 |
| ·FPC2000DCS 基本结构 | 第36页 |
| ·直控级控制站 | 第36-37页 |
| ·监控级计算机系统和管理级计算机系统 | 第37-38页 |
| ·数据通信系统 | 第38页 |
| ·FPC2000DCS 系统软件及功能 | 第38-45页 |
| ·FPC2000DCS 的监控软件结构 | 第38-40页 |
| ·工程师功能 | 第40页 |
| ·操作员功能 | 第40-41页 |
| ·通信和数据采集功能 | 第41-42页 |
| ·数据库管理功能 | 第42-45页 |
| ·FPC2000DCS 主要性能特点 | 第45-46页 |
| ·生化过程智能控制系统 | 第46-48页 |
| ·系统结构 | 第46-47页 |
| ·主要功能 | 第47-48页 |
| ·小结 | 第48-49页 |
| 4. 生化过程智能控制 | 第49-71页 |
| ·FPC2000DCS 在补料分批发酵过程控制中的应用 | 第49-53页 |
| ·补料分批发酵过程 | 第49-50页 |
| ·补料分批发酵过程测控要求和系统配置 | 第50-51页 |
| ·补料分批发酵过程控制系统结构 | 第51-53页 |
| ·补料分批发酵过程智能控制 | 第53-65页 |
| ·罐温复合模糊控制系统 | 第53-58页 |
| ·pH 参数自调整模糊控制系统 | 第58-60页 |
| ·溶氧变区域专家控制系统 | 第60-62页 |
| ·消泡控制系统 | 第62页 |
| ·罐压控制系统 | 第62-63页 |
| ·补料控制系统 | 第63页 |
| ·工业应用 | 第63-65页 |
| ·生化过程故障诊断 | 第65-69页 |
| ·故障检测与诊断技术 | 第65页 |
| ·系统结构及故障诊断流程 | 第65-66页 |
| ·模块功能 | 第66-67页 |
| ·应用实例 | 第67-69页 |
| ·小结 | 第69-71页 |
| 5. 生化过程状态估计 | 第71-85页 |
| ·引言 | 第71页 |
| ·基于神经网络模型的状态变量估计与预估 | 第71-74页 |
| ·神经网络建模方法 | 第71-72页 |
| ·神经网络模型的输入和输出量 | 第72-73页 |
| ·神经网络模型的类型和结构 | 第73-74页 |
| ·神经网络训练 | 第74-78页 |
| ·BP 网络学习算法的改进 | 第74-75页 |
| ·神经网络训练算法 | 第75-76页 |
| ·产生样本数据集 | 第76-77页 |
| ·网络训练和测试 | 第77-78页 |
| ·工业应用 | 第78-83页 |
| ·多粘菌素发酵数据集 | 第78页 |
| ·确定训练次数和隐层节点数 | 第78-79页 |
| ·神经网络模型训练结果 | 第79页 |
| ·神经网络模型用于状态估计 | 第79-80页 |
| ·基于状态预估的放罐时机识别 | 第80-83页 |
| ·小结 | 第83-85页 |
| 6. 补料分批发酵过程优化控制 | 第85-95页 |
| ·优化问题提出 | 第85-87页 |
| ·补料分批发酵过程的特点 | 第85-86页 |
| ·优化问题 | 第86-87页 |
| ·优化问题求解 | 第87-92页 |
| ·优化控制方法 | 第87-88页 |
| ·遗传寻优算法 | 第88-90页 |
| ·实时优化控制 | 第90-92页 |
| ·工业应用 | 第92-94页 |
| ·小结 | 第94-95页 |
| 7. 结论 | 第95-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-104页 |
| 附录作者在攻读博士学位期间撰写的与本课题相关的论文 | 第104页 |