| 第一章 引言 | 第1-27页 |
| 1·1 课题背景 | 第6-8页 |
| 1·2 发展现状 | 第8-16页 |
| 1·2·1 从石油化工生产过程的离线调优到在线闭环优化控制 | 第9-11页 |
| 1·2·2 原油蒸馏过程先进控制与优化 | 第11-16页 |
| 1·3 本课题相关的文献综述 | 第16-25页 |
| 1·4 论文工作 | 第25-27页 |
| 第二章 常压塔产品质量控制及收率优化策略 | 第27-36页 |
| 2·1 常压塔过程工艺简介 | 第27-28页 |
| 2·2 常压塔产品质量的调节方法 | 第28-30页 |
| 2·3 系统特性的分析 | 第30-32页 |
| 2·4 产品质量控制模型及收率优化决策 | 第32-36页 |
| 2·4·1 实时质量模型的建立 | 第32页 |
| 2·4·2 控制及优化策略的建立 | 第32-36页 |
| 2·4·2·1 塔顶温度控制 | 第32-34页 |
| 2·4·2·2 侧线质量卡边控制 | 第34-35页 |
| 2·4·2·3 常压塔解耦控制 | 第35-36页 |
| 第三章 常压塔质量指标模型和收率优化模型的建立 | 第36-48页 |
| 3·1 常压塔质量指标模型和收率优化模型的建立方法 | 第36-42页 |
| 3·1·1 调优因素的分析和选择 | 第37-38页 |
| 3·1·2 数据的采集和处理 | 第38页 |
| 3·2·3 相关分析 | 第38-39页 |
| 3·1·4 多元逐步回归方法 | 第39页 |
| 3·1·5 多元非线性回归方法 | 第39-42页 |
| 3·2 常压塔质量指标模型和收率优化模型的建立 | 第42-48页 |
| 3·2·1 相关分析结果 | 第42-45页 |
| 3·2·2 多元逐步回归结果 | 第45页 |
| 3·2·3 结果分析 | 第45-46页 |
| 3·2·4 应用多元非线性回归建立数学模型 | 第46-47页 |
| 3·2·5 多元非线性回归结果分析 | 第47-48页 |
| 第四章 应用RBF神经网络建立产品质量在线自校正模型 | 第48-61页 |
| 4·1 问题的提出 | 第48-49页 |
| 4·2 应用RBF神经网络建立系统在线自校正模型 | 第49-54页 |
| 4·2·1 RBF网络 | 第50-52页 |
| 4·2·2 RBF网络的学习方法 | 第52-54页 |
| 4·3 RBF神经网络建立产品质量在线自校正模型 | 第54-59页 |
| 4·4 小结 | 第59-61页 |
| 第五章 广义预测控制—PID串级控制实现常压塔质量控制 | 第61-74页 |
| 5·1 预测控制概述 | 第61-65页 |
| 5·2 广义预测控制 | 第65-71页 |
| 5·2·1 广义预测自校正控制 | 第66-70页 |
| 5·2·2 广义预测控制与PID串级控制 | 第70-71页 |
| 5·3 广义预测控制仿真实验 | 第71-73页 |
| 5·4 小结 | 第73-74页 |
| 第六章 自适应遗传算法在常压塔优化中的应用 | 第74-85页 |
| 6．1 遗传算法的原理及操作步骤 | 第76-77页 |
| 6．2 自适应遗传算法 | 第77-81页 |
| 6．3 常压蒸馏过程的优化计算 | 第81-83页 |
| 6．4 结果分析 | 第83-85页 |
| 第七章 结束语 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-94页 |
