摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-19页 |
1.1 引言 | 第9-10页 |
1.2 延迟焦化工艺 | 第10-11页 |
1.2.1 延迟焦化发展进程 | 第10页 |
1.2.2 国内外延迟焦化技术发展 | 第10-11页 |
1.3 软测量技术 | 第11-15页 |
1.3.1 软测量技术产生及现状 | 第11-12页 |
1.3.2 软测量模型原理 | 第12页 |
1.3.3 软测量技术步骤 | 第12-13页 |
1.3.4 建立软测量模型的方法 | 第13-14页 |
1.3.5 软测量技术的应用与发展 | 第14-15页 |
1.4 偏最小二乘算法概述 | 第15-17页 |
1.4.1 偏最小二乘算法背景 | 第15页 |
1.4.2 偏最小二乘算法的研究现状 | 第15-16页 |
1.4.3 核偏最小二乘算法 | 第16-17页 |
1.5 论文安排 | 第17-19页 |
第2章 基于PLS-混合PI-SIGMA模糊神经网络的焦炭塔生焦速率建模 | 第19-41页 |
2.1 引言 | 第19页 |
2.2 偏最小二乘算法 | 第19-23页 |
2.2.1 相关理论基础 | 第19-20页 |
2.2.2 PLS的基本原理 | 第20-21页 |
2.2.3 交叉有效性检验 | 第21-22页 |
2.2.4 PLS的基本步骤 | 第22-23页 |
2.3 混合型PI-SIGMA模糊神经网络 | 第23-26页 |
2.3.1 模糊神经网络背景 | 第23-24页 |
2.3.2 模糊神经网络的融合方式 | 第24页 |
2.3.3 模糊神经网络的发展 | 第24页 |
2.3.4 高阶神经网络 | 第24-26页 |
2.4 TS模糊模型 | 第26-29页 |
2.4.1 BP算法原理介绍 | 第26-27页 |
2.4.2 模糊神经的Takagi-Sugeno系统 | 第27页 |
2.4.3 混合型PI-SIGMA神经网络结构 | 第27-29页 |
2.5 PLS算法与混合PI-SIGMA神经网络网络的融合 | 第29-30页 |
2.6 延迟焦化焦炭塔工艺介绍 | 第30-32页 |
2.7 焦炭塔生焦速率模型的建立 | 第32-40页 |
2.8 本章小结 | 第40-41页 |
第3章 基于改进KPLS的延迟焦化柴油95%点的软测量建模 | 第41-62页 |
3.1 引言 | 第41页 |
3.2 核偏最小二乘算法 | 第41-45页 |
3.2.1 相关理论基础 | 第41-42页 |
3.2.2 核函数 | 第42-43页 |
3.2.3 核偏最小二乘算法基本原理 | 第43-44页 |
3.2.4 核偏最小二乘算法基本步骤 | 第44-45页 |
3.3 延迟焦化分馏塔工艺分析 | 第45-47页 |
3.3.1 分馏原理介绍 | 第45-46页 |
3.3.2 分馏塔的控制 | 第46-47页 |
3.4 基于粒子群-KPLS算法的延迟焦化柴油95%软测量 | 第47-55页 |
3.4.1 主成分分析算法 | 第48-49页 |
3.4.2 主成分分析的计算步骤 | 第49-51页 |
3.4.3 影响柴油95%点的主要因素 | 第51-52页 |
3.4.4 样本数据预处理 | 第52-53页 |
3.4.5 粒子群算法优化KPLS参数 | 第53-54页 |
3.4.6 基于粒子群-KPLS的柴油95%点软测量建模 | 第54-55页 |
3.5 基于改进KPLS的延迟焦化柴油95%的软测量建模 | 第55-61页 |
3.6 本章小结 | 第61-62页 |
第4章 延迟焦化分析测算系统软件设计与开发 | 第62-72页 |
4.1 引言 | 第62页 |
4.2 延迟焦化分析测算系统软件的设计 | 第62-64页 |
4.3 延迟焦化分析测算系统软件的实现 | 第64-68页 |
4.4 软件实际应用效果 | 第68-71页 |
4.4.1 分馏塔柴油95%点模型实际运行情况 | 第69-70页 |
4.4.2 焦炭塔生焦速率模型实际运行情况 | 第70-71页 |
4.5 本章小结 | 第71-72页 |
第5章 结论 | 第72-73页 |
5.1 总结 | 第72页 |
5.2 展望 | 第72-73页 |
参考文献 | 第73-78页 |
致谢 | 第78-79页 |
作者攻读硕士学位期间发表和完成的学术论文及获奖情况 | 第79页 |