| 0 前言 | 第1-11页 |
| 1 文献综述 | 第11-26页 |
| ·概述 | 第11-15页 |
| ·21世纪的需要 | 第11页 |
| ·传统的化学工程 | 第11-12页 |
| ·新化学系统工程 | 第12-13页 |
| ·研究成果和方向 | 第13-15页 |
| ·过程模拟与优化的发展趋势 | 第15-19页 |
| ·过程模拟与优化 | 第15-16页 |
| ·动态模拟与优化 | 第16-18页 |
| ·批处理过程系统工程 | 第18-19页 |
| ·过程集成技术的发展趋势 | 第19-21页 |
| ·过程集成 | 第19-20页 |
| ·过程集成PI(Process Integration)的发展趋势 | 第20-21页 |
| ·分离序列综合 | 第21-22页 |
| ·分离序列综合的发展 | 第21页 |
| ·分离序列综合的描述 | 第21-22页 |
| ·神经网络 | 第22-23页 |
| ·化工建模方法 | 第23页 |
| ·人工神经网络建模 | 第23页 |
| ·遗传算法 | 第23-26页 |
| ·遗传算法的特点 | 第23-24页 |
| ·遗传算法的发展 | 第24页 |
| ·遗传算法在化工中的应用与展望 | 第24-26页 |
| 2 C_4组分分离流程的简介与模拟 | 第26-39页 |
| ·工业分离C_4组分常用工艺 | 第26页 |
| ·DMF、NMP和ACN三种工艺技术比较 | 第26-29页 |
| ·工艺流程 | 第26页 |
| ·溶剂 | 第26-28页 |
| ·技术水平比较 | 第28页 |
| ·生产成本 | 第28-29页 |
| ·乙腈法节能流程的研究 | 第29-32页 |
| ·生产流程简介 | 第29页 |
| ·生产流程用能状况分析 | 第29-32页 |
| ·2.7万吨／年生产流程的模拟 | 第32-34页 |
| ·模拟工艺条件 | 第32-33页 |
| ·丁二烯萃取精馏系统模拟 | 第33-34页 |
| ·水洗工段的模拟 | 第34页 |
| ·精制工段的模拟 | 第34页 |
| ·模拟结果与现场数据比较 | 第34-39页 |
| 3 C_4组分序列的优化综合 | 第39-66页 |
| ·化工过程的优化 | 第39-41页 |
| ·序列综合问题的提出 | 第39页 |
| ·化工过程优化的层次结构 | 第39-40页 |
| ·灵敏度 | 第40页 |
| ·优化计算方法 | 第40-41页 |
| ·系统用能优化初步方案 | 第41-43页 |
| ·精馏工段用能优化初步方案 | 第41-43页 |
| ·系统热集成方案 | 第43页 |
| ·原系统操作参数的优化 | 第43-48页 |
| ·T-205的操作条件优化 | 第43-47页 |
| ·T-206、T-211和T-212操作条件优化 | 第47页 |
| ·系统优化结果及分析 | 第47-48页 |
| ·方案一系统的模拟与优化 | 第48-52页 |
| ·T-211的优化 | 第48-50页 |
| ·T-212的优化 | 第50-51页 |
| ·节能方案一系统优化结果及分析 | 第51-52页 |
| ·方案二系统的模拟与优化 | 第52-56页 |
| ·T-211模拟计算及操作条件的选择 | 第52-55页 |
| ·T-212的优化 | 第55页 |
| ·方案二系统优化结果及分析 | 第55-56页 |
| ·方案三系统的模拟与优化 | 第56-61页 |
| ·热偶精馏 | 第56页 |
| ·TCS-R热偶精馏过程 | 第56-57页 |
| ·热偶精馏的模拟过程 | 第57页 |
| ·热偶精馏流程的优化 | 第57-60页 |
| ·节能方案三系统的模拟结果及分析 | 第60-61页 |
| ·T-209与系统热集成 | 第61-64页 |
| ·操作压力的提高对分离效果的影响 | 第62页 |
| ·塔提压前后的操作变化 | 第62-64页 |
| ·塔提压前后的节能效果 | 第64页 |
| ·小结 | 第64-66页 |
| 4 优化算法 | 第66-89页 |
| ·优化系统 | 第66-67页 |
| ·MATLAB的简介 | 第67-68页 |
| ·MATLAB主要组成 | 第67-68页 |
| ·BP神经网络模拟分离序列 | 第68-78页 |
| ·BP神经网络的基本原理 | 第69-71页 |
| ·BP神经网络的改进 | 第71-72页 |
| ·神经网络的运行过程 | 第72页 |
| ·神经网络模拟分离序列 | 第72-73页 |
| ·分离序列模拟的信息表达 | 第73-74页 |
| ·神经网络的设计参数确定 | 第74-75页 |
| ·神经网络工具箱 | 第75-76页 |
| ·神经网络数据采集 | 第76页 |
| ·神经网络训练过程 | 第76-77页 |
| ·神经网络预测结果 | 第77-78页 |
| ·遗传算法优化分离序列 | 第78-87页 |
| ·遗传算法的机理 | 第78-82页 |
| ·遗传算法的基本步骤 | 第82页 |
| ·系统优化过程 | 第82-86页 |
| ·优化结果 | 第86-87页 |
| ·小结 | 第87-89页 |
| 5 结论 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 个人情况简介 | 第94-95页 |
| 致谢 | 第95-96页 |
| 附录1 节能方案二流程物流表 | 第96-98页 |
| 附录2 神经网络部分训练样本点 | 第98-103页 |