摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第一章 绪论 | 第12-18页 |
·油品调合的背景和意义 | 第12页 |
·汽油调合工艺简介 | 第12-14页 |
·油品调合的现状 | 第14-15页 |
·在线管道调合系统的研究 | 第15-16页 |
·研究的前沿问题 | 第16-17页 |
·本文的主要内容与章节安排 | 第17-18页 |
第二章 油品调合的模型与方式 | 第18-32页 |
·引言 | 第18页 |
·油品调合的目的 | 第18-19页 |
·油品调合的机理 | 第19-20页 |
·汽油调合的模型 | 第20-27页 |
·辛烷值模型(Octane Number) | 第20-25页 |
·雷德蒸汽压模型(Reid Vapor Pressure) | 第25-26页 |
·馏程模型(Distilation) | 第26-27页 |
·调合的方式 | 第27-29页 |
·油罐调合 | 第27页 |
·管道调合 | 第27-29页 |
·管道调合的工艺 | 第27-28页 |
·管道调合的组成 | 第28页 |
·管道调合的优点 | 第28-29页 |
·汽油调合比值控制模型仿真 | 第29-31页 |
·仿真结果 | 第29-31页 |
·小结 | 第31-32页 |
第三章 基于BP网络的油品调合预测控制模型 | 第32-52页 |
·引言 | 第32页 |
·神经网络概述 | 第32-37页 |
·BP神经网络 | 第35-37页 |
·神经网络预测控制方案 | 第37-42页 |
·神经网络预测模型 | 第38-40页 |
·反馈校正 | 第40页 |
·参考轨迹 | 第40-41页 |
·滚动优化计算 | 第41-42页 |
·多BP网络非线性并行预测控制 | 第42-44页 |
·神经网络并行预测模型 | 第42-43页 |
·预测控制器 | 第43-44页 |
·控制算法步骤 | 第44页 |
·基于BP网络模型的调和预测模型仿真 | 第44-50页 |
·汽油调和预测控制优化模型 | 第45-47页 |
·汽油调和 BP网络预测控制仿真研究 | 第47-50页 |
·BP网络建模 | 第47-48页 |
·辛烷值的即网络优化控制 | 第48页 |
·仿真结果 | 第48-50页 |
·小结 | 第50-52页 |
第四章 基于多Agent的油品调合系统研究 | 第52-62页 |
·引言 | 第52页 |
·代理(Agent)技术 | 第52-54页 |
·代理技术的组成 | 第52-53页 |
·Agent的结构 | 第53页 |
·代理技术的特性 | 第53-54页 |
·多代理系统(MAS)的研究 | 第54-56页 |
·MAS的组成 | 第54-55页 |
·MAS的结构 | 第55页 |
·MAS的研究 | 第55-56页 |
·多代理系统的应用 | 第56页 |
·基于多智能代理技术的系统模型及工作原理 | 第56-60页 |
·系统模型 | 第56-58页 |
·工作原理 | 第58-60页 |
·协同机制 | 第58-59页 |
·协作方法 | 第59-60页 |
·系统稳定性分析 | 第60-61页 |
·小结 | 第61-62页 |
第五章 基于OPC的在线管道调合在 Deltav中的应用 | 第62-80页 |
·引言 | 第62页 |
·基于OPC的在线管道调合软件的实现 | 第62-68页 |
·OPC概述 | 第62-63页 |
·基于OPC的先进控制软件与DCS的集成 | 第63-64页 |
·基于OPC的管道在线调合软件 | 第64-68页 |
·组态软件实现控制参数传递的方法 | 第68-69页 |
·Deltav在线管道调和系统的结构与配置 | 第69-71页 |
·在线管道调合系统的硬件配置 | 第71-74页 |
·在线管道调合系统的软件配置 | 第74-78页 |
·比率控制(BRC)的组态及其功能 | 第75-77页 |
·在线优化软件(BPC)控制 | 第77-78页 |
·BPC配方优化后的数据对比分析 | 第78页 |
·小结 | 第78-80页 |
第六章 结论与展望 | 第80-82页 |
·结论 | 第80页 |
·展望 | 第80-82页 |
参考文献 | 第82-88页 |
攻读硕士学位期间发表的学术论文情况 | 第88-90页 |
附录1: 基于BP网络预测模型的Matlab仿真程序 | 第90-98页 |
致谢 | 第98页 |