| 摘要 | 第4-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第19-35页 |
| 1.1 课题研究的目的与意义 | 第19-20页 |
| 1.2 乙烯生产工艺及特点 | 第20-23页 |
| 1.3 国内乙烯装置运行状况 | 第23-24页 |
| 1.4 乙烯生产过程建模控制与优化研究现状 | 第24-25页 |
| 1.5 人工神经网络预测及优化算法方法的研究 | 第25-27页 |
| 1.6 过程模型辨识与控制的研究 | 第27-32页 |
| 1.7 本文的主要研究内容 | 第32-35页 |
| 第二章 一种基于正交表的随机优化算法 | 第35-55页 |
| 2.1 引言 | 第35页 |
| 2.2 正交表 | 第35-36页 |
| 2.3 正交表的获取 | 第36-38页 |
| 2.4 应用正交表进行参数优化 | 第38-41页 |
| 2.5 基于正交表的随机搜索算法 | 第41-46页 |
| 2.6 仿真测试 | 第46-50页 |
| 2.7 工程应用 | 第50-53页 |
| 2.8 小结 | 第53-55页 |
| 第三章 改进的混合模型开环辨识与循环噪声消除的闭环辨识 | 第55-101页 |
| 3.1 引言 | 第55-56页 |
| 3.2 ARMA过程的极大似然估计 | 第56-59页 |
| 3.3 改进的ARMA模型极大似然估计 | 第59-63页 |
| 3.4 PML参数估计步骤 | 第63-64页 |
| 3.5 PML参数估计仿真测试 | 第64-65页 |
| 3.6 混合Box-Jenkins模型及辅助变量辨识 | 第65-68页 |
| 3.7 算法的收敛性分析 | 第68-79页 |
| 3.8 混合Box-Jenkins模型参数估计步骤 | 第79页 |
| 3.9 混合Box-Jenkins模型辨识的仿真测试 | 第79-82页 |
| 3.10 混合Box-Jenkins模型辨识的工程应用 | 第82-89页 |
| 3.11 包含有色噪声的闭环控制系统结构 | 第89-91页 |
| 3.12 基于辅助变量的闭环辨识算法 | 第91-93页 |
| 3.13 改进的混合Box-Jenkins模型闭环辨识方法 | 第93-95页 |
| 3.14 DCIV算法仿真测试 | 第95-96页 |
| 3.15 工程应用 | 第96-99页 |
| 3.16 小结 | 第99-101页 |
| 第四章 过程模型集辨识及基于模型集的控制器参数整定 | 第101-117页 |
| 4.1 引言 | 第101页 |
| 4.2 过程有效数据集的选择 | 第101-103页 |
| 4.3 过程模型集辨识 | 第103-104页 |
| 4.4 基于过程模型集的模型PD参数整定 | 第104-107页 |
| 4.5 基于过程模型集的IMC-PID参数整定 | 第107-111页 |
| 4.6 模型集PID参数整定的工程应用 | 第111-113页 |
| 4.7 模型集IMC-PID参数整定的工程应用 | 第113-115页 |
| 4.8 小结 | 第115-117页 |
| 第五章 RBF神经网络的建模及生产操作优化 | 第117-131页 |
| 5.1 引言 | 第117页 |
| 5.2 RBF神经网络的学习方法 | 第117-120页 |
| 5.3 具有双模型结构的RBF神经网络 | 第120-121页 |
| 5.4 改进的RBF神经网络建模方法 | 第121-123页 |
| 5.5 仿真研究 | 第123-124页 |
| 5.6 工程应用 | 第124-130页 |
| 5.7 小结 | 第130-131页 |
| 第六章 乙烯裂解装置先进控制的实施 | 第131-163页 |
| 6.1 引言 | 第131页 |
| 6.2 系统框架结构 | 第131-132页 |
| 6.3 硬件架构 | 第132页 |
| 6.4 软件结构 | 第132-134页 |
| 6.5 乙烯装置先进控制的应用 | 第134-158页 |
| 6.6 裂解炉协调控制系统 | 第158-160页 |
| 6.7 小结 | 第160-163页 |
| 第七章 结论与展望 | 第163-165页 |
| 7.1 结论 | 第163页 |
| 7.2 下一步研究的展望 | 第163-165页 |
| 参考文献 | 第165-175页 |
| 致谢 | 第175-177页 |
| 研究成果及发表的学术论文 | 第177-179页 |
| 作者简介 | 第179-180页 |
| 导师简介 | 第180-181页 |
| 博士研究生学位论文答辩委员会决议书 | 第181-182页 |
