| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究的背景 | 第8-9页 |
| 1.2 课题研究的目的与意义 | 第9页 |
| 1.2.1 课题研究目的 | 第9页 |
| 1.2.2 课题研究意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 研究思路 | 第11页 |
| 1.5 论文的主要工作 | 第11-12页 |
| 1.6 论文的安排 | 第12-13页 |
| 第二章 神经网络技术及原稳加热炉建模方法的研究 | 第13-20页 |
| 2.1 原稳加热炉生产过程问题的研究分析 | 第13-15页 |
| 2.1.1 原油稳定技术及装置概况 | 第13-14页 |
| 2.1.2 原稳加热炉存在问题的原因及分析 | 第14-15页 |
| 2.2 原稳加热炉建模方法选择 | 第15-18页 |
| 2.2.1 神经网络简介 | 第16-17页 |
| 2.2.2 原稳加热炉神经网络模型的选择 | 第17-18页 |
| 2.2.3 原稳加热炉神经网络训练方法的选择 | 第18页 |
| 2.3 原稳加热炉BP神经网络数学模型的建立 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 原稳加热炉工艺参数的BP神经网络模型的建立 | 第20-32页 |
| 3.1 训练样本 | 第20-24页 |
| 3.1.1 输入参数 | 第21-22页 |
| 3.1.2 输出参数 | 第22-23页 |
| 3.1.3 数据预处理 | 第23-24页 |
| 3.2 神经网络结构的确定 | 第24-26页 |
| 3.2.1 输入、输出的参数 | 第24页 |
| 3.2.2 隐层节点数的确定 | 第24-26页 |
| 3.3 神经网络的训练过程 | 第26-29页 |
| 3.4 神经网络训练结果分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于粒子群算法的原稳加热炉工艺参数的优化研究 | 第32-47页 |
| 4.1 优化设计过程 | 第32-33页 |
| 4.2 优化算法的选择 | 第33页 |
| 4.3 粒子群优化算法研究 | 第33-36页 |
| 4.3.1 粒子群算法的特点 | 第34-35页 |
| 4.3.2 粒子群算法的实现 | 第35-36页 |
| 4.4 基于粒子群算法的加热炉工艺参数的优化 | 第36-40页 |
| 4.4.1 目标函数的确定 | 第37-38页 |
| 4.4.2 优化过程关键参数的设定 | 第38-40页 |
| 4.5 优化结果 | 第40-42页 |
| 4.6 优化结果应用效果对比 | 第42-46页 |
| 4.7 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 作者简介、发表文章及研究成果目录 | 第53-54页 |
| 致谢 | 第54-55页 |