| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-27页 |
| ·引言 | 第11-12页 |
| ·乙烯裂解炉先进控制系统开发与应用概述 | 第12-14页 |
| ·乙烯裂解炉先进控制的发展与现状 | 第12-14页 |
| ·裂解深度先进控制研究综述 | 第14页 |
| ·软测量技术概述 | 第14-20页 |
| ·软测量技术框架 | 第15-16页 |
| ·软测量建模 | 第16-18页 |
| ·辅助变量的选择 | 第18-19页 |
| ·软仪表的在线校正 | 第19-20页 |
| ·软测量技术的应用 | 第20页 |
| ·智能控制技术概述 | 第20-25页 |
| ·智能控制技术的发展历史与现状 | 第20-21页 |
| ·智能控制技术的应用对象 | 第21-22页 |
| ·智能控制主要方法与研究热点 | 第22-24页 |
| ·智能控制在工业过程中的应用 | 第24-25页 |
| ·本章小结 | 第25页 |
| ·全文主要内容及安排 | 第25-27页 |
| 第二章 乙烯裂解炉工艺流程与裂解深度先进控制研究 | 第27-36页 |
| ·裂解炉生产工艺简述 | 第27-28页 |
| ·乙烯生产装置工艺流程简介 | 第27-28页 |
| ·乙烯裂解炉工艺流程简述 | 第28-31页 |
| ·裂解深度的定义 | 第29-30页 |
| ·影响裂解深度的工艺因素 | 第30-31页 |
| ·裂解深度先进控制研究 | 第31-35页 |
| ·裂解深度控制原理 | 第31-32页 |
| ·裂解深度建模方法 | 第32-34页 |
| ·裂懈深度先进控制系统技术路线研究 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 自适应等级粒子群算法在 ELMAN 神经网络中的应用研究 | 第36-52页 |
| ·神经网络概述 | 第36-42页 |
| ·人工神经网络的发展 | 第36-37页 |
| ·我国神经网络研究的情况 | 第37页 |
| ·神经网络的特性 | 第37-38页 |
| ·动态过程回归神经网络概述 | 第38-41页 |
| ·ELMAN 神经网络的学习算法 | 第41-42页 |
| ·自适应等级粒子群算法在 ELMAN 神经网络中的应用 | 第42-51页 |
| ·粒子群算法概述 | 第42-44页 |
| ·等级粒子群算法 | 第44-48页 |
| ·自适应动态等级粒子群算法仿真 | 第48-51页 |
| ·ADHPSO 算法训练 ELMAN 步骤 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于 ADHPSO-ELMAN 的乙烯裂解深度模型建立 | 第52-59页 |
| ·裂解深度预测模型建立 | 第52-55页 |
| ·问题描述 | 第52-53页 |
| ·数据预处理 | 第53-54页 |
| ·软测量模型的建立 | 第54-55页 |
| ·裂解深度预测模型结果分析 | 第55-58页 |
| ·软测量模型输出值在线校正 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于 ADHPSO-ELMAN 的乙烯裂解深度优化控制 | 第59-64页 |
| ·裂解深度控制程序 | 第59-61页 |
| ·设定值处理器 | 第60页 |
| ·深度估算 | 第60页 |
| ·分析仪检查和模型更新 | 第60-61页 |
| ·数据错误报警 | 第61页 |
| ·基于 ADHPSO-ELMAN 的乙烯裂解深度优化控制 | 第61-63页 |
| ·基于 ADHPSO-ELMAN 的乙烯裂解深度优化控制方法 | 第61-62页 |
| ·ADHPSO-ELMAN 裂解深度优化控制仿真结果 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结和展望 | 第64-65页 |
| ·本文主要成果 | 第64页 |
| ·研究展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间已发表或录用的论文 | 第72页 |
