基于GA-BP网络的制氢转化炉生产过程优化的研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1. 绪论 | 第10-15页 |
| ·论文的选题背景及意义 | 第10页 |
| ·制氢装置控制系统介绍 | 第10-12页 |
| ·在线优化 | 第12-13页 |
| ·论文主要研究内容 | 第13-15页 |
| 2. 制氢工艺装置概况 | 第15-19页 |
| ·工艺原理 | 第16-17页 |
| ·加氢和脱硫原理 | 第16页 |
| ·转化和变换原理 | 第16-17页 |
| ·变压吸附原理 | 第17页 |
| ·工艺流程 | 第17-18页 |
| ·原料的预处理 | 第17页 |
| ·烃—蒸汽转化 | 第17-18页 |
| ·工艺指标 | 第18-19页 |
| 3. 转化炉软测量模型的建立 | 第19-33页 |
| ·软测量技术 | 第19-22页 |
| ·数学模型的建立 | 第20-21页 |
| ·软测量技术对过程检测和控制系统的影响 | 第21-22页 |
| ·神经网络 | 第22-29页 |
| ·BP 神经网络 | 第22-26页 |
| ·RBF 神经网络 | 第26-29页 |
| ·基于神经网络的智能建模方法 | 第29-33页 |
| 4. 遗传算法 | 第33-44页 |
| ·遗传算法的基本原理 | 第33-40页 |
| ·编码方式 | 第33-35页 |
| ·适应度函数 | 第35-36页 |
| ·遗传算子选取 | 第36-39页 |
| ·算法参数 | 第39-40页 |
| ·遗传算法的实现 | 第40-41页 |
| ·遗传算法在神经网络中的应用 | 第41-44页 |
| 5. 制氢转化炉生产过程优化的仿真研究 | 第44-58页 |
| ·基于神经网络的转化炉数学模型设计 | 第44-49页 |
| ·基于BP 神经网络的数学模型 | 第44-47页 |
| ·基于RBF 神经网络的数学模型 | 第47-48页 |
| ·试验结果分析 | 第48-49页 |
| ·遗传算法与神经网络的结合 | 第49-56页 |
| ·遗传算法与BP 神经网络结合 | 第49-53页 |
| ·利用遗传算法优化RBF 神经网络 | 第53-55页 |
| ·试验结果分析 | 第55-56页 |
| ·利用遗传算法对控制量进行寻优 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 附录A 转化工艺流程图 | 第62-63页 |
| 附录B 转化炉的DCS 控制系统图 | 第63-66页 |
| 附录C 部分样本数据 | 第66-67页 |
| 附录D 部分关键代码 | 第67-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72-73页 |
