催化裂化故障诊断系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·故障诊断的研究背景及目的 | 第7-8页 |
| ·故障诊断方法 | 第8-10页 |
| ·故障诊断的研究现状 | 第10-13页 |
| ·故障诊断专家系统的发展 | 第10页 |
| ·故障诊断在化工过程中的应用 | 第10-12页 |
| ·现代故障诊断技术的发展趋势 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| 第二章 专家系统与人工神经网络 | 第14-21页 |
| ·专家系统概述 | 第14页 |
| ·专家系统结构 | 第14-17页 |
| ·人工神经网络 | 第17-19页 |
| ·神经网络简介 | 第17页 |
| ·人工神经元模型 | 第17-18页 |
| ·人工神经网络结构 | 第18页 |
| ·人工神经网络的基本类型 | 第18-19页 |
| ·人工神经网络的学习规则 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第三章 专家系统与人工神经网络的融合及理论 | 第21-30页 |
| ·专家系统与人工神经网络的融合 | 第21-24页 |
| ·专家系统的特点 | 第21页 |
| ·人工神经网络的特点 | 第21-22页 |
| ·专家系统与人工神经网络的融合方式 | 第22-24页 |
| ·神经网络专家系统的基本理论 | 第24-26页 |
| ·神经网络专家系统的原理 | 第24页 |
| ·神经网络专家系统的特点 | 第24-25页 |
| ·神经网络专家系统的基本结构和功能描述 | 第25-26页 |
| ·神经网络专家系统的开发方法 | 第26页 |
| ·基于神经网络的知识表示与获取 | 第26-29页 |
| ·基于神经网络的知识表示 | 第26-27页 |
| ·基于神经网络的知识获取 | 第27-29页 |
| ·基于神经网络的推理与解释 | 第29页 |
| ·基于神经网络的推理 | 第29页 |
| ·基于神经网络的解释 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 催化裂化反应—再生系统简介及故障分析 | 第30-39页 |
| ·催化裂化反应-再生系统简介及工艺流程概述 | 第30-31页 |
| ·系统简介 | 第30页 |
| ·工艺流程概述 | 第30-31页 |
| ·催化裂化反应—再生系统特点及故障分析 | 第31-38页 |
| ·反应—再生系统的特点 | 第31-32页 |
| ·反应—再生系统的故障分析 | 第32-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 TFCCFD系统的研究 | 第39-60页 |
| ·TFCCFD系统需求分析及系统功能 | 第39-40页 |
| ·神经网络模型的确定 | 第40页 |
| ·学习算法的选取 | 第40-43页 |
| ·BP算法 | 第40-42页 |
| ·BP算法的限制与不足 | 第42页 |
| ·BP算法的改进 | 第42-43页 |
| ·BP神经网络的构造 | 第43-48页 |
| ·网络层数的确定 | 第43-44页 |
| ·节点数的设计 | 第44-46页 |
| ·激活函数的选取 | 第46-47页 |
| ·学习速率η | 第47-48页 |
| ·初始权值的选择 | 第48页 |
| ·期望误差Emin值的选取 | 第48页 |
| ·系统开发工具的选择与接口的实现 | 第48-50页 |
| ·系统开发工具的选择 | 第48页 |
| ·接口的实现 | 第48-50页 |
| ·训练样本的选择 | 第50-53页 |
| ·诊断结果及分析 | 第53-54页 |
| ·人机界面的设计 | 第54-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 详细摘要 | 第67-76页 |
