| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-23页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 催化裂化化学反应 | 第10-11页 |
| 1.2.1 烷烃 | 第10页 |
| 1.2.2 烯烃 | 第10-11页 |
| 1.2.3 环烷烃 | 第11页 |
| 1.2.4 芳香烃 | 第11页 |
| 1.3 催化裂化催化剂及工艺发展概况 | 第11-16页 |
| 1.3.1 灵活多效催化裂化工艺 | 第11-12页 |
| 1.3.2 多产液化气和柴油工艺 | 第12-13页 |
| 1.3.3 两段提升管催化裂化(TSRFCC)工艺 | 第13-14页 |
| 1.3.4 多产异构烷烃的MIP工艺 | 第14-16页 |
| 1.4 催化裂化动力学模型研究进展 | 第16-22页 |
| 1.4.1 关联模型 | 第16-17页 |
| 1.4.2 集总动力学模型 | 第17-20页 |
| 1.4.3 分子尺度反应动力学模型研究 | 第20-21页 |
| 1.4.4 神经网络模型的研究 | 第21-22页 |
| 1.5 本论文的研究内容 | 第22-23页 |
| 第2章 MIP工艺集总反应动力学模型的建立 | 第23-32页 |
| 2.1 MIP工艺特点及技术优势 | 第23-25页 |
| 2.1.1 MIP工艺特点 | 第23-24页 |
| 2.1.2 MIP工艺技术优势 | 第24-25页 |
| 2.2 集总反应网络的建立 | 第25-26页 |
| 2.2.1 模型集总的划分 | 第25-26页 |
| 2.2.2 反应网络的建立 | 第26页 |
| 2.3 模型方程的推导与数学表达 | 第26-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 模型的动力学参数的计算 | 第32-50页 |
| 3.1 MIP工艺装置数据采集及分析 | 第32-35页 |
| 3.1.1 MIP工艺装置数据采集 | 第32-35页 |
| 3.1.2 MIP工艺装置数据简要分析 | 第35页 |
| 3.2 三种优化算法简介 | 第35-41页 |
| 3.2.1 遗传算法 | 第36-38页 |
| 3.2.2 粒子群算法 | 第38-40页 |
| 3.2.3 模拟退火法 | 第40-41页 |
| 3.3 模型参数计算与验证 | 第41-49页 |
| 3.3.1 模型参数的计算 | 第41-45页 |
| 3.3.2 模型参数的验证 | 第45-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 BP神经网络的建立及其对集总动力学模型的修正 | 第50-60页 |
| 4.1 神经网络简介 | 第50-54页 |
| 4.1.1 自组织型神经网络 | 第50-52页 |
| 4.1.2 反馈型神经网络 | 第52-53页 |
| 4.1.3 前馈型神经网络 | 第53-54页 |
| 4.2 BP神经网络输入和输出变量的选择 | 第54-57页 |
| 4.2.1 变量相关性分析 | 第55页 |
| 4.2.2 变量分析 | 第55-56页 |
| 4.2.3 输入和输出变量的选择 | 第56-57页 |
| 4.3 BP神经网络隐含层节点数的选择 | 第57-58页 |
| 4.4 BP神经网络模型的验证 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 硕士期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |