油制气生产过程建模与优化
| 摘 要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第 1 章 绪论 | 第7-12页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·论文主要工作 | 第10-12页 |
| 第 2 章 神经网络与遗传算法基础 | 第12-35页 |
| ·人工神经网络 | 第12-15页 |
| ·神经网络的发展 | 第12-14页 |
| ·神经网络的概念与特点 | 第14-15页 |
| ·常见神经网络的类型及应用.. | 第15页 |
| ·BP 算法 | 第15-25页 |
| ·遗传算法 | 第25-35页 |
| ·遗传算法基本特征与要素 | 第26-29页 |
| ·遗传算法基本原理 | 第29-30页 |
| ·遗传算法理论基础 | 第30-33页 |
| ·并行遗传算法 | 第33-35页 |
| 第 3 章 油制气生产过程建模 | 第35-44页 |
| ·油制气生产过程概述 | 第35页 |
| ·油制气生产过程建模 | 第35-44页 |
| ·油制气生产工艺流程 | 第37-41页 |
| ·油制气生产过程建模 | 第41-44页 |
| 第 4 章 油制气生产过程优化 | 第44-69页 |
| ·油制气生产过程优化策略 | 第44-47页 |
| ·优化的一般形式 | 第44-45页 |
| ·主要工作和步骤 | 第45-46页 |
| ·油制气生产过程优化计算的实现问题 | 第46-47页 |
| ·改进的遗传算法 | 第47-50页 |
| ·改进的编码方法 | 第48-49页 |
| ·改进的遗传算子 | 第49页 |
| ·改进的遗传算法结构 | 第49-50页 |
| ·遗传算法和神经网络的混合策略 | 第50-63页 |
| ·混合策略思路 | 第51页 |
| ·混合策略实现 | 第51-61页 |
| ·遗传编码 | 第51-53页 |
| ·神经网络学习 | 第53-56页 |
| ·遗传算法学习神经网络 | 第56-61页 |
| ·数值实验 | 第61-63页 |
| ·BP 单独训练 | 第61-62页 |
| ·遗传算法学习 | 第62-63页 |
| ·油制气生产过程优化实例 | 第63-67页 |
| ·样本归一化处理 | 第64-66页 |
| ·BP 网络样本选取 | 第66页 |
| ·网络优化设计 | 第66-67页 |
| ·油制气优化与故障诊断结合策略 | 第67-69页 |
| 第 5 章 总结 | 第69-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
