| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 PVC生产过程概述 | 第14-16页 |
| 1.3 智能控制技术在PVC生产过程中的研究与应用现状 | 第16-20页 |
| 1.3.1 智能控制技术的概述 | 第16-17页 |
| 1.3.2 国内外研究与应用现状 | 第17-20页 |
| 1.4 PVC生产过程控制中存在的主要问题 | 第20-21页 |
| 1.4.1 聚合过程中存在的主要问题 | 第20-21页 |
| 1.4.2 汽提过程中存在的主要问题 | 第21页 |
| 1.5 本文的主要工作和内容安排 | 第21-24页 |
| 第二章 PVC生产工艺 | 第24-40页 |
| 2.1 PVC生产工艺概述 | 第24-27页 |
| 2.2 聚合过程工艺 | 第27-34页 |
| 2.2.1 聚合工艺简介 | 第27-30页 |
| 2.2.2 聚合机理 | 第30-31页 |
| 2.2.3 聚合工序操作中的异常问题分析 | 第31页 |
| 2.2.4 影响聚合反应的因素 | 第31-33页 |
| 2.2.5 影响PVC树脂质量的因素 | 第33-34页 |
| 2.3 汽提过程工艺 | 第34-38页 |
| 2.3.1 汽提工艺简介 | 第34-37页 |
| 2.3.2 汽提塔操作中的异常问题分析 | 第37-38页 |
| 2.4 干燥过程工艺 | 第38-40页 |
| 第三章 基于RS-NN聚合釜故障诊断 | 第40-62页 |
| 3.1 引言 | 第40页 |
| 3.2 RS理论与属性约简 | 第40-47页 |
| 3.2.1 RS的基本概念 | 第40-42页 |
| 3.2.2 决策规则 | 第42页 |
| 3.2.3 基于RS理论的属性约简 | 第42-44页 |
| 3.2.4 属性的重要性 | 第44页 |
| 3.2.5 基于差别矩阵的RS属性约简 | 第44-47页 |
| 3.3 基于改进的LMBP神经网络算法 | 第47-56页 |
| 3.3.1 BP神经网络算法改进 | 第47-51页 |
| 3.3.2 基于改进BP算法的聚合釜故障诊断仿真比较 | 第51-55页 |
| 3.3.3 基于改进BP神经网络的聚合釜故障诊断 | 第55-56页 |
| 3.4 聚合釜RS-NN故障诊断系统 | 第56-59页 |
| 3.4.1 聚合釜故障诊断系统结构 | 第56页 |
| 3.4.2 聚合釜故障诊断信息表的形成 | 第56-57页 |
| 3.4.3 故障诊断离散决策表 | 第57页 |
| 3.4.4 基于改进算法差别矩阵的属性约简 | 第57-59页 |
| 3.5 仿真研究 | 第59-60页 |
| 3.5.1 网络训练与仿真 | 第59-60页 |
| 3.5.2 故障诊断性能对比 | 第60页 |
| 3.6 小结 | 第60-62页 |
| 第四章 PVC聚合过程的软测量建模 | 第62-76页 |
| 4.1 引言 | 第62页 |
| 4.2 软测量技术概述 | 第62-66页 |
| 4.2.1 软测量技术 | 第62-63页 |
| 4.2.2 软测量技术分类 | 第63-64页 |
| 4.2.3 软测量技术四要素 | 第64-66页 |
| 4.3 多T-S模糊神经网络软测量模型 | 第66-68页 |
| 4.3.1 PVC聚合工艺 | 第66-67页 |
| 4.3.2 辅助变量的选取 | 第67页 |
| 4.3.3 多T-S模糊神经网络软测量模型结构 | 第67-68页 |
| 4.3.4 基于主元分析实现模型降维 | 第68页 |
| 4.4 基于和声搜索优化的T-S模糊神经网络 | 第68-72页 |
| 4.4.1 T-S模糊神经网络软测量模型 | 第68-70页 |
| 4.4.2 和声搜索优化算法 | 第70-72页 |
| 4.5 仿真研究 | 第72-74页 |
| 4.6 小结 | 第74-76页 |
| 第五章 基于分段仿射的聚合釜温度广义预测控制 | 第76-96页 |
| 5.1 引言 | 第76页 |
| 5.2 预备知识 | 第76-78页 |
| 5.2.1 线性矩阵不等式 | 第76-77页 |
| 5.2.2 Schur补和S过程 | 第77-78页 |
| 5.3 基于分段仿射的聚合釜温度建模 | 第78-83页 |
| 5.3.1 聚合过程工艺 | 第78页 |
| 5.3.2 聚合釜温度机理建模 | 第78-81页 |
| 5.3.3 聚合釜温度分段仿射建模 | 第81-83页 |
| 5.4 广义预测控制器的设计 | 第83-87页 |
| 5.4.1 控制器的设计 | 第83-85页 |
| 5.4.2 稳定性分析 | 第85-87页 |
| 5.5 基于分段仿射的广义预测控制算法 | 第87-92页 |
| 5.6 仿真研究 | 第92-95页 |
| 5.6.1 基于分段仿射的聚合釜建模 | 第92-93页 |
| 5.6.2 基于分段仿射的广义预测控制 | 第93-95页 |
| 5.7 小结 | 第95-96页 |
| 第六章 PVC汽提过程智能解耦控制 | 第96-116页 |
| 6.1 引言 | 第96页 |
| 6.2 PVC汽提工艺 | 第96-97页 |
| 6.3 DFNN算法 | 第97-105页 |
| 6.3.1 DFNN的结构 | 第98-99页 |
| 6.3.2 DFNN的学习算法 | 第99-105页 |
| 6.4 基于神经网络的汽提过程智能解耦控制 | 第105-110页 |
| 6.4.1 智能解耦控制系统的结构 | 第105-106页 |
| 6.4.2 神经网络开环解耦算法 | 第106-110页 |
| 6.5 仿真研究 | 第110-114页 |
| 6.5.1 汽提过程的DFNN建模 | 第110-112页 |
| 6.5.2 汽提过程的神经网络解耦控制 | 第112-114页 |
| 6.6 小结 | 第114-116页 |
| 第七章 PVC生产过程智能控制系统工业应用 | 第116-128页 |
| 7.1 引言 | 第116页 |
| 7.2 PVC控制系统硬件结构 | 第116-118页 |
| 7.4.1 TDC-3000系统结构 | 第116-117页 |
| 7.4.2 系统组成 | 第117-118页 |
| 7.3 软件设计 | 第118-120页 |
| 7.4 工业现场应用 | 第120-124页 |
| 7.4.1 PVC汽提过程的温度控制现场应用 | 第120-122页 |
| 7.4.2 PVC聚合过程的温度控制 | 第122-124页 |
| 7.5 智能控制技术在PVC生产过程中的应用效果 | 第124-127页 |
| 7.6 小结 | 第127-128页 |
| 第八章 结论与展望 | 第128-130页 |
| 参考文献 | 第130-138页 |
| 致谢 | 第138-139页 |
| 作者攻读博士学位期间完成论文 | 第139-140页 |
| 作者攻读博士学位期间科研获奖 | 第140页 |