| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·催化裂化装置及系统简介及国内外炼油厂催化裂化装置的腐蚀概况 | 第8-9页 |
| ·催化裂化装置及系统的组成 | 第8-9页 |
| ·催化裂化装置的腐蚀概况 | 第9页 |
| ·国内外炼油厂催化裂化装置腐蚀预测与控制方法的研究现状 | 第9页 |
| ·信息融合技术在腐蚀预测与控制研究方面的应用 | 第9-10页 |
| ·课题研究主要内容 | 第10-11页 |
| 第二章 催化裂化工艺过程及其装置的腐蚀分析 | 第11-19页 |
| ·催化裂化主要设备介绍及工艺过程分析 | 第11-13页 |
| ·反应-再生系统流程 | 第11-12页 |
| ·分馏系统 | 第12页 |
| ·吸收稳定系统 | 第12-13页 |
| ·产品精制系统 | 第13页 |
| ·催化裂化腐蚀性物质参数介绍及其腐蚀过程分析 | 第13-16页 |
| ·氯化物的腐蚀 | 第13-14页 |
| ·硫及硫化物的腐蚀 | 第14页 |
| ·二氧化碳的腐蚀 | 第14-15页 |
| ·氮及其化合物腐蚀 | 第15页 |
| ·pH 值对腐蚀的影响 | 第15-16页 |
| ·催化裂化腐蚀部位及其腐蚀体系分析 | 第16-17页 |
| ·反应-再生系统 | 第16页 |
| ·分馏系统 | 第16-17页 |
| ·吸收稳定系统 | 第17页 |
| ·催化裂化装置腐蚀研究基本模型 | 第17-19页 |
| 第三章 信息融合技术在催化裂化分馏塔顶循环系统的腐蚀预测的应用 | 第19-33页 |
| ·神经网络模型结构及算法 | 第19-20页 |
| ·人工神经网络发展介绍 | 第19页 |
| ·人工神经网络的一般结构 | 第19-20页 |
| ·在 MATLAB 语言中神经网络的建模与应用 | 第20-24页 |
| ·BP 神经网络 | 第20-23页 |
| ·径向基神经网络 | 第23-24页 |
| ·催化裂化分馏塔顶循环系统影响 Fe~(2+)、Fe~(3+)含量关系模型 | 第24-25页 |
| ·建立催化裂化分馏塔顶循环系统目标函数预测网络 | 第25-32页 |
| ·BP 网络预测精度及误差 | 第27-30页 |
| ·径向基神经网络预测精度及误差 | 第30-32页 |
| ·分析比较预测精度确定网络模型 | 第32页 |
| ·小结 | 第32-33页 |
| 第四章 分馏塔顶循环系统腐蚀参数敏感性分析 | 第33-40页 |
| ·腐蚀参数敏感性分析的方法 | 第33页 |
| ·腐蚀参数敏感性分析研究现状 | 第33页 |
| ·分馏塔顶循环系统腐蚀参数单独作用下的敏感性分析 | 第33-39页 |
| ·pH 值对 Fe~(2+)、Fe~(3+)含量的敏感性分析 | 第33-35页 |
| ·Cl-含量对 Fe~(2+)、Fe~(3+)含量的敏感性分析 | 第35-36页 |
| ·H2S 含量对 Fe~(2+)、Fe~(3+)含量的敏感性分析 | 第36-38页 |
| ·氮化物含量对 Fe~(2+)、Fe~(3+)含量的敏感性分析 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第五章 催化裂化分馏塔顶循环系统腐蚀预测专家系统的研究 | 第40-48页 |
| ·腐蚀预测专家系统的基本构成 | 第40-42页 |
| ·专家系统的基本结构 | 第40-41页 |
| ·专家系统的分类 | 第41页 |
| ·知识库的构成 | 第41-42页 |
| ·催化裂化分馏塔顶循环系统腐蚀预测专家系统的建立 | 第42-44页 |
| ·腐蚀预测系统知识库的建立 | 第42-43页 |
| ·腐蚀预测系统数据库的建立 | 第43-44页 |
| ·分馏塔顶循环系统腐蚀预测系统界面的设计 | 第44-47页 |
| ·小结 | 第47-48页 |
| 第六章 催化裂化装置的腐蚀控制方法的分析 | 第48-61页 |
| ·控制腐蚀环境 | 第48-58页 |
| ·水洗 | 第48页 |
| ·强化电脱盐操作 | 第48页 |
| ·控制 pH 值的方法 | 第48页 |
| ·腐蚀参数含量的控制 | 第48-58页 |
| ·选取耐腐蚀材料及防腐蚀衬里 | 第58-61页 |
| 第七章 结论 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-71页 |
| 详细摘要 | 第71-85页 |
