基于遗传算法的催化裂化反再过程建模与优化
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题的提出及意义 | 第9-10页 |
| ·目前石油和石化行业的现状 | 第9页 |
| ·课题的提出 | 第9-10页 |
| ·本文研究的意义 | 第10页 |
| ·催化裂化反再问题研究现状 | 第10-15页 |
| ·催化裂化反再发展现状及特点 | 第10-11页 |
| ·催化裂化反再工艺流程 | 第11-14页 |
| ·催化裂化反再研究存在的问题 | 第14-15页 |
| ·催化裂化反再过程优化研究的发展趋势 | 第15页 |
| ·课题的主要工作 | 第15-16页 |
| ·全文的结构安排及主要内容 | 第16-18页 |
| ·全文的结构安排 | 第16页 |
| ·本文的主要内容 | 第16-18页 |
| 第2章 遗传算法 | 第18-27页 |
| ·遗传算法的基本原理 | 第18-23页 |
| ·遗传算法的起源与发展 | 第18页 |
| ·遗传算法的理论和实现 | 第18-22页 |
| ·遗传算法与传统优化算法的比较 | 第22-23页 |
| ·遗传优化 | 第23-26页 |
| ·线性约束条件的遗传优化 | 第23-24页 |
| ·多目标遗传优化 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 催化裂化反再过程的基本原理与优化控制 | 第27-38页 |
| ·引言 | 第27页 |
| ·催化裂化反应机理及相关模型 | 第27-34页 |
| ·催化裂化反应机理 | 第27-29页 |
| ·催化裂化反应速度模型 | 第29-31页 |
| ·催化裂化反应集总动力学模型 | 第31-34页 |
| ·催化裂化催化剂再生机理及相关模型 | 第34-36页 |
| ·催化裂化再生机理 | 第34页 |
| ·催化裂化再生动力学模型 | 第34-35页 |
| ·催化裂化流化再生模型 | 第35-36页 |
| ·催化裂化反再优化控制 | 第36-37页 |
| ·离线优化控制 | 第36页 |
| ·在线优化控制 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 催化裂化反再过程建模 | 第38-48页 |
| ·模糊系统模型 | 第38页 |
| ·模糊神经网络结构 | 第38-40页 |
| ·学习算法 | 第40-42页 |
| ·网络训练及仿真 | 第42-47页 |
| ·某炼油厂反再系统2005 年某月操作数据及分析 | 第42-44页 |
| ·神经网络训练 | 第44-45页 |
| ·神经网络的仿真 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于遗传算法的催化裂化过程稳态优化控制 | 第48-55页 |
| ·基于遗传算法的相关模型 | 第48-50页 |
| ·程序实现 | 第50-53页 |
| ·控制参数的获得 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 遗传算法在催化裂化多目标优化中的应用 | 第55-65页 |
| ·引言 | 第55-56页 |
| ·多目标优化算法 | 第56-59页 |
| ·邻域和存档操作遗传算法(NAGA) | 第56-57页 |
| ·NAGA 算法的求解步骤 | 第57页 |
| ·混合遗传算法(HNAGA) | 第57-59页 |
| ·多目标优化问题描述 | 第59-61页 |
| ·其他控制参数的计算 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71页 |
