一、NN-PLS算法及其在PTA氧化反应质量指标估计中的应用（论文文献综述）
王德飞[1]（2015）在《贝叶斯网络在软测量建模中的应用研究》文中认为现代工业过程的日益复杂,使得工业过程中出现大量比较困难甚至无法在线测量的过程变量,为了解决这类变量的测量问题,软测量技术得到了快速的发展,作为过程控制中在线测量的有效手段,软测量已经成为当代工业控制领域的一个研究热点。由于贝叶斯网络能够以图形化的模型表示形式,在样本数据中推理未知信息,加上其具有结构简单、条理清晰的特点,因此本文着重研究贝叶斯网络在软测量建模中的应用。本文研究的内容主要有如下几个方面:（1）对建立软测量模型的具体步骤作了详细的介绍,为论文正确建立软测量模型打下基础。在软测量建模方法中着重研究了基于支持向量机方法的软测量建模,并通过该模型对某工业PTA过程中4-CBA含量进行仿真预测分析,验证了软测量技术的实用性以及精确性,为与论文后面贝叶斯网络模型的比较打下基础。（2）由于在论文软测量模型中的贝叶斯网络结构是确定的,所以只要对贝叶斯网络的参数进行研究,采用EM算法,结合已有的样本数据对网络参数进行估计,得出最优值,最终通过该网络对测试样本进行预测分析。为验证该算法的可行性,论文主要运用贝叶斯网络对简单的非线性函数以及一系列离散的样本数据进行了仿真拟合分析,最终拟合效果良好,为其在软测量建模中的应用提供了可能。（3）由于工业采样数据往往具有很大的数值,而且各输入变量又具有不同的量纲,因而论文在建模之前首先对输入样本数据进行了归一化处理,从而使得后面模型的计算更加简便。在计算基于贝叶斯网络的软测量模型时,发现直接通过最大似然估计法学习参数比较困难,因此论文引入了高斯混合分布模型,以此模型逼近贝叶斯网络,且通过对高斯混合分布模型中混合系数的计算来代替贝叶斯网络参数的计算。在贝叶斯网络中,论文首先通过对各输入变量之间的相关关系进行分析,从而确定高斯成分,以确定最终的贝叶斯网络模型,然后利用某工业过程中4-CBA含量的预测对论文提出的模型进行仿真分析,预测效果良好,同时,分析了高斯成分不同组合下的模型对预测结果的影响。最后,对比了贝叶斯网络模型与支持向量机模型的优劣。
陈超[2]（2015）在《智能建模中冗余问题的分析与处理及其应用》文中研究说明随着现代科学技术飞速发展,石油化工产业不断进步和发展,石油化工产品质量不断提高、种类不断多元化。当面临新颖的生产工艺、不断复杂化的过程系统时,其过程机理难以获得,机理模型难以建立。因此,基于数据的建模方法得到了越来越多的关注。基于数据的建模方法不用了解化工过程机理,却十分依赖样本数据的质量和模型的结构。而在这两方面往往会出现冗余问题。A)挑选的输入变量可能与因变量无关,且相互之间可能存在冗余。工业过程中,通过先验知识或已知部分机理知识确定足够多的变量个数,而它们之间通常存在复杂的交互关系。如果将它们都作为模型输入,就会直接增加模型输入结构的复杂度,而且冗余问题可能间接传递到模型输出,严重影响其性能。B)模型结构中的冗余问题。模型的性能与其结构的优劣息息相关,而且结构的复杂度决定了模型的计算效率。为此,本文针对这两类智能建模中的冗余问题,首先通过多元统计方法中的主成分分析,并结合互信息分析法,研究和探讨了如何消除输入变量之间的冗余问题、如何发现与因变量无关的输入变量。其次,通过偏互信息法和提出的基于偏互信息的聚类方法,消除神经网络隐含层输出之间存在的冗余问题,优化神经网络结构。本文的主要研究成果如下：（1）针对输入变量之间可能存在复杂的冗余问题,结合径向基神经网络建模,提出了基于主成分-互信息分析的径向基神经网络模型（Principal Component Analysis-Mutual Information-Radial Basis Function Neural Network, PCA-MI-RBFNN）。首先通过主成分分析,把含有冗余问题的原始输入变量转换为新变量—主成分。主成分之间互不相关,并按照样本方差从大到小构建。模型要描述的是输入和输出变量之间的关系,因此按方差最大化来选取主成分变量作为模型输入,忽略了输入与输出变量之间的相关信息。于是结合互信息分析法,可以准确分析各主成分与输出变量之间的相关性,挑选出最佳的主成分作为模型输入。经过标准测试建模数据和精对苯二甲酸生产过程中氧化单元粗对苯二甲酸中对羧基苯甲醛（4-carboxybenzaldehyde,4-CBA）含量软测量建模的测试,结果表明消除输入冗余后,PCA-MI-RBFNN模型具有良好的鲁棒和预测性能。（2）针对挑选的输入变量可能与因变量无关,且输入变量之间可能存在复杂的冗余问题,结合相关向量机建模,提出了基于互信息-主成分-互信息分析的相关向量机模型（Mutual Information-Principal Component Analysis-Mutual Information-Relevance Vector Machine, MI-PCA-MI-RVM）。针对化工过程中高维的原始输入变量,其中有些变量与因变量毫不相关,若将这些变量直接用于建模,则会导致模型不准确；有些变量虽然与因变量相关,但相互之间存在冗余问题,若将这些变量直接用于建模,则会间接降低模型性能。因此提出对原始样本数据的粗筛选方式。MI-PCA-MI-RVM方法首先通过互信息分析,获得所有输入与输出变量之间的互信息量,并根据互信息量的概率密度分布,确定区分无关变量与相关变量的阈值,剔除无关输入变量。然后,针对剩余的输入变量,通过主成分-互信息分析挑选出与模型输出最相关的主成分作为模型输入。通过对二甲苯氧化反应中的4-CBA含量软测量模型的测试,结果表明剔除无关输入变量以及消除输入冗余后,MI-PCA-MI-RVM模型具有良好的鲁棒和预测性能。（3）针对径向基神经网络的结构优化问题,提出了基于偏互信息-最小二乘的隐含层单元挑选及其网络权值和阈值更新（Partial Mutual Information-Least Square Regression-Radial Basis Function Neural Network, PMI-LSR-RBFNN）。PMI-LSR-RBFNN方法首先通过改进的互信息分析法-偏互信息方法,挑选出合适隐含层单元,这些被挑选出的单元不仅与相互之间冗余最小,而且与输出变量的相关性最大。然后,通过最小二乘,对隐含层输出与输出层输出直接进行线性回归,更新了权值与阈值,建立RBFNN模型。在英威达氧化过程燃烧副反应建模中,与基于K均值、模糊C均值、K中心点和减法聚类的改进径向基网络相比,PMI-LSR-RBFNN网络结构简洁且模型性能更佳。通过Sammon非线性映射分析,由偏互信息分析挑选出的隐含层单元在空间位置上并不是均匀分布,但表现出更佳的模型性能。同时,基于建立的模型,进行各主要操作变量的灵敏度分析,其结果符合燃烧副反应过程的已知先验知识。（4）针对多层前馈神经网络的结构优化问题,提出了基于最小冗余最大相关-偏互信息聚类方法和最小二乘的隐含层单元挑选及其网络权值和阈值更新方法（MinimalRedundancy Maximal Relevance-Partial Mutual Information Clustering-Least Square Regression-Multi Layer Feed Forward Network, mPMIc-LSR-MLFN）当变量维数增加时偏互信息会消耗大量计算时间,且容易失去估计精度,因此提出了一种新颖的最小冗余最大相关-偏互信息聚类方法。由最小冗余最大相关性分析挑选出合适的隐含层单元作为初始聚类中心；再通过偏互信息量的计算,对所有隐含层单元进行聚类,并在各类中迭代更新该类中心,直到所有中心不再变化,从而寻找到最佳隐含层单元。最后通过最小二乘法线性回归更新输出层输入与隐含层输出之间的权值和阈值。在石脑油干点软测量模型的应用中,与基于K均值、减法等聚类的MLFN和三类改进极限学习机（OP-、OS-、B-ELM）相比,mPMIc-LSR-MLFN模型结构最为简洁,预测性能最为出色。
陶莉莉[3]（2013）在《对二甲苯氧化反应过程智能建模、优化与控制研究》文中认为精对苯二甲酸（Pured Terepthalic Acid, PTA）是生产聚酯的重要原料,目前工业上主要是由对二甲苯（p-xylene, PX）高温液相催化氧化制得。本文围绕PTA生产的核心单元——PX液相催化氧化反应生产过程,在对PX氧化反应机理深入了解的基础上,对其建模、优化与控制等关键问题与技术进行了研究。建立了基于知识与机理融合的适合复杂工业生产过程的稳态与动态模型,为实现大型复杂工业流程的优化与控制一体化提供新技术与新方案。主要内容包括以下几个方面：（1）面向工业应用的数据处理与智能建模的研究过程的稳态模型被广泛应用于工业过程的模型辨识、优化、故障检测以及控制中。测量数据一般都含有一定的粗差,需要对数据进行粗差的剔除与校正,并判断数据是否处于稳态。针对工业过程中可能存在的过程误差将大大影响稳态检测的性能,导致给出错误或者不理想的结果等问题,本文提出了一种融合粗差剔除方法与自适应多项式滤波的稳态检测方法,并对该方法进行了仿真实验研究。化工过程中存在大量的先验知识,融合先验知识的支持向量机算法（Support Vector Machine, SVM）在智能建模过程中得到了广泛的应用。本文在针对建模样本数据可能存在显着以及非显着误差的问题,提出了一种基于粗差剔除的加权自适应最小二乘支持向量机（Weighted Least Square Support Vector Machine, WLS-SVM）的建模方法,该方法不仅可以消除显着误差对模型的性能影响,也可以减小非显着误差对模型性能的影响,改善了模型的性能。同时,本文提出了一种AIGA-WLS-SVM算法,解决最小二乘支持向量机的控制参数设置对WLS-SVM回归性能的影响,通过仿真验证了该方法的有效性。最后,将该建模方法用于PX氧化反应过程中动力学模型的参数拟合,得到了能够反映对象特性,且泛化性能较好的智能模型。（2）工业PX氧化反应过程智能机理建模与研究PX高温液相催化氧化反应过程的机理非常复杂,本文详细分析了催化剂浓度和配比、反应温度、水含量、溶剂比等对主反应以及副反应的影响,并在此基础上提出了一种基于自由基的氧化反应模型,采用智能优化算法对氧化反应的动力学参数进行了优化校正。另外,本文引入了基于自由基的副反应动力学机理,对上述PX氧化反应过程模型进行了拓展,同样利用智能优化算法对模型参数进行了校正,获得了符合工业装置实际操作状况的融合主、副反应机理的PX氧化反应过程模型,实现了该反应过程的流程模拟与工业验证。（3）PX氧化反应过程操作参数的智能优化与应用研究在化工生产过程中,操作优化日益显示出了它的重要作用,由于实际化工生产过程中企业不断的扩能改造,目前的操作工况早已偏离了原先设计时的最优点。根据传统进化算法的特点和不足,本文提出了一种自适应免疫算法（Modified Self-adaptive Immune Genetic Algorith, MSIGA）,由于确定性的变异算子将会导致算法陷入早熟的现象,将免疫的概念引入到变异因子的自适应调整中,以提高算法的搜索性能以及保持种群的多样性。在所建立的工业PX氧化反应模型的基础上,通过灵敏度分析研究了不同的催化剂浓度、溶剂比、反应温度等因素对副反应中醋酸及PX燃烧损失的影响,并以此为基础建立了PX氧化反应过程的优化目标函数,利用MSIGA算法对目标函数进行优化,降低了醋酸和PX的燃烧损失。（4）PX氧化反应过程动态建模与多变量预测控制工业PX氧化反应过程是一个多尺度、多变量、强耦合、动态、非线性的复杂工业系统。本文在稳态模型的基础上,综合考虑各种参数波动对模型的影响,建立了符合工业PX氧化反应过程的动态模型并对其进行了动态响应特性的分析。由于传统的单回路PID控制在处理多变量系统时存在很多不足,在所建立的PX氧化反应器动态模型基础上,对该过程进行了多变量预测控制方案的设计与仿真研究。在预测方案的实施前,对控制过程进行系统的动态特征测试是一个必要的环节,而工业生产过程的动态测试不仅代价非常昂贵而且耗时,而基于机理的动态模型可以在一定程度上反映真实的工业过程,代替真实对象进行控制系统的动态测试。本文在所建立的PX氧化反应过程动态模型基础上,对过程进行预测控制方案的设计与仿真,为工业预测控制的实施提供有力的依据与参考。
张峰[4]（2013）在《PTA装置氧化单元流程模拟与分析》文中研究指明以PTA装置氧化单元为研究对象,利用Aspen Plus进行流程模拟与分析。首先,确定PX氧化体系热力学性质和固体溶解度的计算方法,采用文献数据对相应的计算模型进行了参数回归。其次,对氧化单元进行分段建模与分析,采用基于自由基反应机理的PX氧化动力学,并考虑燃烧副反应的影响,利用盐沉降反应平衡描述固体的溶解与析出特性,从而耦合反应、结晶、蒸发过程,建立了氧化反应器的模型,并考虑了氧化段内4个循环回路的影响,实现了氧化反应段的模拟,计算得到物流组成信息及固相物质含量；考虑第一结晶器中的二次氧化过程,建立了耦合二次氧化、结晶、蒸发的结晶器模型,并对整个CTA结晶过程进行了模拟,重点分析了停留时间变化对第一结晶器内二次氧化和结晶过程的影响,并考察了绝热条件下操作压力变化对结晶过程的影响,发现降低压力有利于固体析出；建立了带有4个循环回路的溶剂脱水过程的模型,确定了断裂流股、收敛方法和策略从而能使所有循环回路收敛；分段模拟的结果吻合工业装置设计值。最后,基于分层建模思想对氧化单元进行结构划分,建立了分层式结构模型,综合分段模拟模块,选择合理的收敛方法及断裂流股收敛顺序,实现了氧化单元全流程模拟,全流程模拟结果与工业装置设计数据也相符。本文所开展的工作可以为PTA氧化单元全流程的设计和操作优化提供平台。
朱澍[5]（2012）在《湿法炼锌针铁矿法沉铁过程终点pH值预测方法研究》文中提出沉铁过程是湿法炼锌的关键工序之一,该过程的目的是将锌液中的铁离子浓度降低到工艺要求的范围内,避免铁离子对后续工序产生不利影响,以保证湿法炼锌工艺的正常运行。在针铁矿法沉铁工艺中,终点pH值作为保证出口铁离子浓度以及铁渣品位合格的关键影响因素和控制参数,必须通过中和剂的添加得到及时的调节。实际生产过程中对终点pH值虽有检测,但由于中和剂的添加位置和沉铁过程终点位置距离较远,导致终点pH值的控制存在较大滞后,从而影响出口铁离子浓度及铁渣品位。因此,研究沉铁过程终点pH值的预测具有十分重要的理论意义和应用价值。论文在深入研究分析针铁矿法沉铁工艺与反应机理的基础上,建立了其基于化学反应动力学的CSTR模型,实现了终点pH值的预测。但由于反应机理复杂,未知参数多,使得机理模型的预测精度难以满足工业生产的要求；基于大量历史生产数据,研究了支持向量机建模方法,建立了终点pH值的最小二乘支持向量机（LS-SVM）模型,并通过试验方法对模型中的参数进行设定,提高了模型的预测精度与泛化能力。最后,针对工况变化导致LS-SVM模型精度降低的问题,研究了终点pH值LS-SVM预测模型的在线校正方法,提高了模型的适应性。利用现场收集的大量数据对沉铁过程终点pH值预测模型及校正方法进行了仿真验证。结果表明,基于LS-SVM的终点pH值预测模型精度比基于化学反应动力学的机理模型高；而且模型校正方法能及时对基于LS-SVM的预测模型进行调整,保证模型精度不会随工况的变化而降低,能够满足实际生产的要求,也为实现针铁矿法沉铁过程的优化控制奠定了坚实的基础。
张正江[6]（2010）在《过程系统的数据校正与参数估计》文中认为过程操作优化效果与过程对象模型的精确程度有关。如果过程对象模型与实际模型偏差较大,则会引起优化结果与过程实际的最优结果不一致,并导致优化的效率降低。在过程操作优化中应用参数估计技术,调整过程对象模型的参数,使模型的输出与现场实际测量数据相一致或偏差最小,从而保证过程对象模型与实际模型相一致或偏差最小。仪表测量获取的过程数据存在随机误差与显着误差。这些误差直接影响着参数估计的准确性,因此采用数据校正与显着误差检测技术调整测量数据、剔除显着误差、减小随机误差的影响、提高测量数据的质量。所以数据校正与参数估计是过程操作优化实现过程中重要的环节。本文探讨了数据校正与参数估计中存在的若干问题及解决方法,并根据工业实际过程中的现场测量数据对数据校正与参数估计方法的应用进行了研究。主要研究成果如下：1.基于有限测量信息的参数估计问题,给出了系统的参数可估计性定义；通过分析线性系统与非线性系统,指出了系统具有参数可估计性的充分条件；分析了系统显着误差可识别性与参数可估计性之间的联系；进一步分析了当测量变量有多组测量值时对系统参数可估计性的影响。2.构建了一种多层数据校正框架,此框架可以根据不同的测量数据选择不同层次的机理模型,进行数据校正；描述了不同层次的数据校正所具有的特性；分析了不同层的显着误差可估计性。3.从信息论研究角度出发,将测量变量的测量数据作为信号,基于最大熵原理推导出测量误差的概率密度分布函数；根据极大似然估计原理,构造出数据校正的形式,并研究了相应的显着误差检测方法。4.构造了一种鲁棒的估计器,即准最小二乘估计器。这种估计器对显着误差不敏感,因此当测量变量含有显着误差时,基于准最小二乘估计器的数据校正与显着误差检测的结果较为准确。应用影响函数分析了估计器的鲁棒特性,并通过常压塔,乙烯分离及空气分离等流程的数据校正实例证实了准最小二乘估计器的鲁棒特性。通过蒸汽测量流程的数据校正实例对准最小二乘估计器与其它几种显着误差检测方法的检测结果进行了比较分析。5.根据变负荷过程的特点,提出一种用于变负荷下的数据校正与参数估计的方法。将此方法应用于空气分离流程,在此流程中根据现场的测量数据进行数据校正与参数估计,校正结果满足工业过程系统的模型精度要求。6.针对多工况数据校正与参数估计问题构造了基于目标函数与模型参数的序列子问题,并提出了一种序列子问题规划求解方法。在求解各渐近复杂的序列子问题过程中,应用现有的非线性优化算法,使得求解的收敛性进一步提高。通过PTA氧化反应过程系统的数据校正与参数估计问题求解证实了此方法的有效性。7.针对大规模非线性数据校正问题,提出了一种基于经验增强的求解方法。此方法通过合理地利用以前求解的经验,以达到提高收敛性的效果。设计了此方法的框架及其具体实现步骤,并应用脱丙烷塔和脱丁烷塔的联塔系统与乙烯分离系统进行测试,结果显示相比于传统求解方法,此方法具有很好的收敛性。最后总结了本文的研究工作,并对数据校正与参数估计的近一步研究方向提出了看法。
罗娜[7]（2010）在《大型聚酯生产过程智能建模、控制与优化研究》文中研究指明聚酯（聚对苯二甲酸乙二酯）是一种广泛应用于生产和日常生活的高分子聚合物,其生产过程具有高度非线性、慢时变性及分布参数的特点。随着聚酯产品市场竞争的加剧,聚酯工业生产过程的优化运行在提高企业效益方面的优越性逐渐体现出来。以支持向量机、高斯过程、进化算法等为代表的智能方法已在化工领域得到了应用,解决了复杂化工系统的控制与优化问题。然而,高斯过程作为一种统计建模方法,当样本增加时,其参数计算复杂性增长很快,难以用于工业现场实际；以分布估计算法为研究热点的进化算法在优化过程中,面临着如何更好地估计进化过程中的概率模型、跳出局部最优等问题。因此,智能方法在化工领域的广泛应用仍需要进一步研究和拓展。鉴此,本文围绕大型聚酯生产过程的工业实际问题,应用智能方法,对其建模、控制与优化的若干理论和技术进行研究,开发了聚酯过程的智能建模技术、预测控制与智能优化技术,形成了具有实际应用价值的聚酯生产过程优化运行软件,为聚酯生产过程优化提供了新方法和新技术,包括：针对分布估计算法求解连续优化问题时数据分布概率模型不易确定的问题,提出了基于核密度估计的单目标和多目标分布估计算法,讨论了算法中核宽度的选择准则,通过数值仿真验证了算法的有效性。该类算法被用于聚酯过程反应动力学参数的优化问题,获得了符合工业装置实际操作工况的工业聚酯过程模型,进而实现了基于工艺机理的聚酯生产过程全流程模拟与工业验证。研究了聚酯原料乙二醇生产过程的智能建模问题,采用先验知识与支持向量机的融合方法,提出了表达输入变量单调性的支持向量机模型,用于乙二醇生产氧化反应过程的催化剂失活建模,实现了氧化反应过程的智能机理建模。采集工业装置运行数据,对乙二醇水合反应过程的模型参数进行了优化,获得了符合工业装置实际操作工况的水合反应动力学模型,实现了SD技术的乙二醇生产过程全流程模拟与工业验证。针对聚酯过程波动、干扰以及条件的变化对时间的累积效应问题,分别研究了聚酯生产酯化过程和终缩聚过程的动态建模问题。对酯化过程建立了集中参数动态模型,分析了端羧基浓度、气相乙二醇流量等对进料摩尔比、温度、压力等的阶跃响应动态特性,得到了酯化段反应器、工艺塔相互作用下系统的动态变化规律。采用多反应器串连的方式建立了终缩聚反应器的动态模型,分析了特性粘度对真空度、温度等的阶跃响应动态特性,得到了终缩聚过程的动态变化规律。研究了高斯过程的软测量建模方法。针对大样本导致高斯过程计算复杂度增加的问题,提出了基于聚类的稀疏高斯过程方法,建立了聚酯酯化反应过程的端羧基浓度软测量模型,降低了模型的计算复杂性,得到了模型预测结果及均方差。研究了拟似输入稀疏高斯过程,增加了在线校正方法,建立了机理不明确的聚酯产品色值模型。研究了基于高斯过程的非线性系统预测控制方法,对聚酯终缩聚过程的特性粘度进行了预测控制仿真。基于对聚酯过程运行优化的需要,提出了分布估计算法与柯西分布、粒子群算法相结合的混合智能优化算法,以聚酯生产过程的能量消耗最小为目标,对聚酯过程工艺机理模型进行了过程优化,找出了装置最优工作点,实现了工业过程的节能。基于面向服务和多智能体框架,对聚酯生产过程的建模、控制和优化的研究成果进行了集成,建立了工业过程优化运行系统框架。详细讨论了流程行业信息系统中基本服务的定义,服务之间的交互,搭建了基于WEB SERVICE的过程优化运行平台,开发了大型聚酯生产过程的建模、控制与优化的运行优化集成平台。
邵联合[8]（2010）在《基于回归支持向量机的软测量建模研究》文中提出软测量技术是解决现代复杂工业过程中较难甚至无法由硬件在线测量参数的实时估计问题的有效手段。本文介绍了基于回归支持向量机（SVR）算法的基本原理,并以非线性、时变、大滞后的PTA氧化过程为研究对象,使用SVR算法对4-CBA含量进行了预测。结果表明,与传统预测方法相比,采用SVR算法的预测模型,具有精确度高,泛化能力强等优点,是用于PTA氧化过程中4-CBA含量预测的一种有效的方法,具有很好的应用价值。
陈绍绵[9]（2010）在《工业过程的控制、监测与诊断研究》文中进行了进一步梳理复杂工业过程的控制、监测和诊断是工业过程控制领域中一个具有挑战性的任务,目前在这个领域的研究越来越受到控制界的重视。一方面,随着生产规模的日益扩大,工业过程的复杂程度不断提高,难以采用简单的集中控制方法或建立精确的机理模型进行控制。这时,分散控制策略和智能控制方法或许就成为解决这类问题的最好选择之一。分散控制策略能够将复杂问题简单化,便于进一步的研究和分析;而智能控制方法则无需建模,将难以解决的问题仅仅通过学习就得到了有效地处理,提供了解决复杂问题的又一途径。另一方面,随着近年来对控制系统性能要求的提高,极大地推动了工业过程中监测和诊断问题的研究。在工业过程中,许多控制器在运行初期还能保持良好的性能,但往往经过一段时间的运行之后,由于受到外部环境变化和设备老化的影响,控制器性能逐渐就不能满足生产的要求。如果不能及时发现并纠正这种情况,将对工业过程的安全稳定运行造成严重威胁。对工业过程进行监测和诊断的目的就是能够及时识别和诊断控制系统的性能问题,指导工作人员采取各种应对措施改善系统的控制品质。因此,对工业过程的监测和诊断问题进行讨论与研究具有十分重要的理论意义和应用价值。本文的主要研究工作与贡献如下:1.简要地回顾了分散预测控制的基本概念和发展状况,叙述了粗糙控制的研究背景和发展现状,并介绍了控制性能评价与诊断的研究概况和发展现状。2.针对复杂大系统内部快慢特性不一的特点,提出了一种基于纳什最优的多时标分散预测控制算法。该方法针对每个子系统的内在特性而分别采用各自相应的采样频率和控制策略,从而更加充分地反映了各子系统内在的控制要求。同时,通过引入多时标信息预估和通信方法,弥补了由于时标不同而导致子系统信息不足的问题,提高了控制效果。3.针对Bang-Bang控制与现场操作工控制方式的相似性,提出了基于粗糙集理论的拟Bang-Bang粗糙控制方法,同时,通过叠加额外的测试信号激励系统以获得更加充分的控制策略,改善了粗糙规则提取的效率和完备性。另外,由于拟Bang-Bang粗糙控制器存在稳态余差问题,提出了集成PID控制的粗糙控制器设计方法。该方法结合了Bang-Bang控制和PID控制方法的优点,即保证了快速的控制效果,又有效地消除了稳态余差。4.针对传统的性能评价方法难以处理非白噪声下的性能评价问题,提出了采取基于遗忘因子的性能评价方法,提高了在时变噪声环境下辨识和性能评估的准确性。仿真结果显示,该方法具有更良好的稳定性和效果。5.针对工业现场存在的厂级振荡的问题,提出了采取闭环测试方法处理并诊断振荡的源头,该方法能够有效地区分由于外部扰动引起的次级振荡回路和由于内部阀门粘滞引起的振荡源头回路。仿真验证了该方法具有良好的可行性和优越性。6.利用第四章的研究成果成功地应用于扬子石化化工厂PTA生产装置,完成了“控制系统实时性能监控系统”的科研项目（横向）,经厂方验收,该系统性能良好,满足了生产要求,并取得了410万元/年的经济效益。最后,对全文内容进行了总结,并指出了有待今后进一步研究的若干方向。
韩恺,赵均,朱豫才,徐祖华,钱积新[10]（2008）在《一种在线辨识扰动模型的MPC控制器及其在溶剂脱水塔装置中的应用》文中提出提出一种滚动时域伪线性回归（MHPLR）算法,不仅降低了算法对检测噪声的敏感程度,而且无须在线求解优化命题,计算负担小。利用MHPLR在线估计一个时间序列模型来描述DMC控制系统不可测扰动的动态特性。将对扰动的预报应用到DMC算法当中,以改善因原误差校正策略而导致的抗扰性能不佳的情况,并以状态空间形式给出了改进后DMC算法的表达式。将改进的DMC控制器应用到某公司的PTA溶剂脱水塔装置上,提升了控制品质,稳定了生产并降低了酸耗。算法的有效性得到了验证。
二、NN-PLS算法及其在PTA氧化反应质量指标估计中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、NN-PLS算法及其在PTA氧化反应质量指标估计中的应用（论文提纲范文）
（1）贝叶斯网络在软测量建模中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 软测量技术的国内外研究现状及其发展趋势 |
| 1.2.1 软测量技术国内外研究现状 |
| 1.2.2 软测量技术建模方法 |
| 1.2.3 软测量技术的发展趋势 |
| 1.3 论文主要内容和章节安排 |
| 第二章 软测量模型的建立 |
| 2.1 软测量的基本原理及其建模步骤 |
| 2.2 SVM建模 |
| 2.2.1 SVM算法理论基础 |
| 2.2.2 SVM的工业数据仿真分析 |
| 2.3 本章小结 |
| 第三章 贝叶斯网络的参数学习 |
| 3.1 贝叶斯网络的理论简介 |
| 3.1.1 贝叶斯网络的定义 |
| 3.1.2 贝叶斯网络的分类与应用 |
| 3.2 学习贝叶斯网络参数的方法 |
| 3.2.1 EM算法 |
| 3.2.2 梯度优化算法 |
| 3.2.3 最大似然估计MLE |
| 3.3 贝叶斯网络仿真分析 |
| 3.4 Bayesian Network与SVM的仿真对比 |
| 3.5 本章小结 |
| 第四章 基于贝叶斯网络的软测量模型 |
| 4.1 模型设计方案 |
| 4.2 高斯混合分布模型逼近贝叶斯网络 |
| 4.2.1 高斯混合分布 |
| 4.2.2 EM算法计算高斯混合模型 |
| 4.3 贝叶斯网络软测量模型的估计公式 |
| 4.4 基于贝叶斯网络的 4-CBA软测量建模 |
| 4.5 Bayesian Network与SVM模型工业数据仿真对比 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（2）智能建模中冗余问题的分析与处理及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 石油化工过程模型介绍 |
| 1.2.1 机理建模 |
| 1.2.2 经验建模 |
| 1.2.3 混合建模 |
| 1.3 基于数据的经验建模研究现况 |
| 1.3.1 模型输入变量的冗余问题 |
| 1.3.2 模型内部结构的冗余问题 |
| 1.4 本文研究内容 |
| 1.4.1 本文基本架构及其章节内容 |
| 第2章 基于PCA-MI组合方法消除输入冗余的径向基神经网络 |
| 2.1 引言 |
| 2.2 基于平均移动直方图密度估计的互信息分析 |
| 2.2.1 互信息 |
| 2.2.2 平均滑动直方图概率密度估计 |
| 2.3 互信息分析的有效性 |
| 2.4 径向基神经网络 |
| 2.4.1 RBF神经网络概述 |
| 2.4.2 RBF神经网络结构 |
| 2.5 基于主成分-互信息方法的RBFNN模型 |
| 2.6 基于标准测试数据的PCA-MI-RBFNN模型性能分析 |
| 2.6.1 标准测试数据 |
| 2.6.2 模型性能分析结果 |
| 2.7 基于PCA-MI-RBFNN的4-CBA软测量模型 |
| 2.7.1 工艺过程及样本数据 |
| 2.7.2 模型性能分析 |
| 2.8 本章小结 |
| 第3章 基于MI-PCA-MI组合方法消除输入冗余的相关向量机 |
| 3.1 引言 |
| 3.2 相关向量机 |
| 3.3 互信息-主成分-互信息-相关向量机模型 |
| 3.4 基于MI-PCA-MI-RVM的4-CBA软测量模型 |
| 3.4.1 工艺过程及样本数据 |
| 3.4.2 模型性能分析 |
| 3.5 本章小结 |
| 第4章 基于PMI-LSR组合方法消除隐含层冗余的径向基神经网络 |
| 4.1 引言 |
| 4.2 偏互信息理论 |
| 4.3 最小二乘回归 |
| 4.4 基于偏互信息-最小二乘回归的径向基神经网络 |
| 4.4.1 PMI-LSR-RBFNN算法流程 |
| 4.4.2 基于K均值、K中心点、模糊C均值、减法聚类的径向基神经网络 |
| 4.5 基于PMI-LSR-RBFNN的PX氧化反应中的燃烧副反应模型 |
| 4.5.1 工艺过程及样本数据 |
| 4.5.2 模型性能比较 |
| 4.5.3 各类RBFNN隐含层单元位置的分析 |
| 4.5.4 基于PMI-LSR-RBFNN模型的灵敏度分析 |
| 4.6 本章小结 |
| 第5章 基于mRMR-PMI聚类消除隐含层冗余的三层前馈神经网络 |
| 5.1 引言 |
| 5.2 最大依赖性和最小冗余度最大相关性 |
| 5.2.1 最大依赖性 |
| 5.2.2 最小冗余度最大相关性 |
| 5.3 多层前馈传播神经网络 |
| 5.4 基于互信息mRMR-PMI聚类算法 |
| 5.4.1 mRMR-PMI聚类算法流程 |
| 5.4.2 MI和PMI聚类算法流程 |
| 5.5 基于mRMR-PMI聚类的多层前馈神经网络 |
| 5.6 基于mPMIc-LSR-MLFN的初馏塔干点软测量模型 |
| 5.6.1 工艺过程及样本数据 |
| 5.6.2 基于mPMIc-LSR-MLFN模型的训练、测试和验证 |
| 5.6.3 模型性能分析 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文研究内容总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读博士学位期间取得的学术成果 |
（3）对二甲苯氧化反应过程智能建模、优化与控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 前言 |
| 1.1 课题研究的目的与意义 |
| 1.2 国内外研究现状及进展 |
| 1.2.1 PTA生产工艺及特点 |
| 1.2.2 PX催化氧化反应机理 |
| 1.2.3 PX氧化反应过程动力学研究 |
| 1.2.4 智能计算方法及其研究 |
| 1.2.5 PTA生产过程模型化的研究 |
| 1.2.6 模型预测控制算法及其发展 |
| 1.2.7 PX氧化过程先进控制的研究 |
| 1.3 本文的主要研究内容和安排 |
| 第2章 面向工业过程的智能建模方法 |
| 2.1 PX氧化反应智能建模过程数据预处理 |
| 2.1.1 过程的稳态检测 |
| 2.1.2 基于一阶差分粗差剔除的自适应多项式滤波稳态检测法 |
| 2.2 机器学习及改进的支持向量机 |
| 2.2.1 机器学习问题的描述 |
| 2.2.2 支持向量机 |
| 2.2.3 最小二乘支持向量机 |
| 2.2.4 一种改进的自适应加权最小二乘支持向量机(AIGA-WLS-SVM) |
| 2.2.5 AIGA-WLS-SVM的仿真测试 |
| 2.2.6 基于AIGA-WLS-SVM的PX氧化反应动力学参数拟合 |
| 2.3 小结 |
| 第3章 工业PX氧化反应过程的智能混合建模 |
| 3.1 PX氧化反应生产过程简介 |
| 3.2 基于机理与知识融合的PX氧化反应过程智能建模 |
| 3.2.1 PX氧化主反应过程建模 |
| 3.2.2 PX氧化主反应过程模型的智能优化校正 |
| 3.3 综合自由基主副反应动力学的工业PX氧化反应过程智能建模 |
| 3.3.1 基于自由基机理的PX氧化燃烧副反应动力学 |
| 3.3.2 自适应差分进化算法 |
| 3.3.3 基于自由基主副反应的智能机理建模与优化校正 |
| 3.4 小结 |
| 第4章 PX氧化反应过程操作参数的智能优化 |
| 4.1 引言 |
| 4.2 改进的自适应免疫算法 |
| 4.2.1 自适应免疫算法(MSIGA) |
| 4.2.2 仿真研究 |
| 4.3 基于MSIGA的PX氧化反应过程优化 |
| 4.3.1 关键操作参数的灵敏度分析 |
| 4.3.2 PX氧化反应过程优化问题的描述与构建 |
| 4.3.3 基于MSIGA的PX氧化反应过程的优化分析 |
| 4.4 小结 |
| 第5章 PX氧化反应过程的动态建模与控制 |
| 5.1 引言 |
| 5.2 PX氧化反应过程动态建模 |
| 5.3 PX氧化反应过程的控制特性分析 |
| 5.3.1 PX氧化反应器反应状况的主要表征 |
| 5.3.2 PX氧化反应器的影响因素 |
| 5.4 PX氧化反应系统动态响应特性 |
| 5.5 小结 |
| 第6章 PX氧化反应过程的多变量预测控制 |
| 6.1 引言 |
| 6.2 PX氧化反应器的DMC多变量预测控制 |
| 6.2.1 DMC多变量预测控制 |
| 6.2.2 基于Aspen Dynamics的PX氧化反应器的多变量预测控制仿真 |
| 6.3 小结 |
| 第7章 结束语 |
| 7.1 本文的主要工作总结 |
| 7.2 进一步的讨论与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表论文和科研情况 |
（4）PTA装置氧化单元流程模拟与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 研究背景 |
| 1.2 研究内容 |
| 第2章 文献综述 |
| 2.1 PTA生产技术 |
| 2.2 氧化过程研究进展 |
| 2.2.1 PX液相氧化反应机理 |
| 2.2.2 PX液相氧化动力学 |
| 2.2.3 PT氧化动力学 |
| 2.3 PTA工艺技术进展 |
| 2.3.1 国外技术进展 |
| 2.3.2 国内技术进展 |
| 2.4 氧化单元的模拟进展 |
| 2.4.1 PX氧化反应过程的模拟 |
| 2.4.2 CTA结晶过程的模拟 |
| 2.4.3 溶剂脱水过程的模拟 |
| 2.5 小结 |
| 第3章 物性计算方法的研究 |
| 3.1 热力学性质方法 |
| 3.1.1 状态方程方法 |
| 3.1.2 活度系数方法 |
| 3.2 热力学模型参数回归 |
| 3.3 溶解度计算方法 |
| 3.4 小结 |
| 第4章 氧化单元分段建模与分析 |
| 4.1 氧化反应段建模 |
| 4.1.1 氧化反应器模型 |
| 4.1.2 氧化反应段Aspen建模 |
| 4.1.3 氧化反应段模型验证 |
| 4.2 氧化结晶段建模 |
| 4.2.1 第一结晶器模型 |
| 4.2.2 氧化结晶段Aspen建模 |
| 4.2.3 氧化结晶段模型验证 |
| 4.2.4 停留时间对二次氧化和结晶过程的影响 |
| 4.2.5 操作压力对结晶过程的影响 |
| 4.3 多循环回路的溶剂脱水段建模 |
| 4.3.1 恒沸精馏体系分析 |
| 4.3.2 溶剂脱水段Aspen建模 |
| 4.3.3 溶剂脱水段模型验证 |
| 4.3.4 溶剂脱水塔灵敏板分析 |
| 4.4 溶剂回收段建模 |
| 4.4.1 溶剂回收段Aspen建模 |
| 4.4.2 溶剂回收段模型验证 |
| 4.5 过滤干燥段建模 |
| 4.5.1 过滤干燥段Aspen建模 |
| 4.5.2 过滤干燥段模型验证 |
| 4.6 小结 |
| 第5章 基于分层建模思想的氧化单元全流程模拟 |
| 5.1 氧化单元分层建模 |
| 5.1.1 全流程结构划分与建模 |
| 5.1.2 Aspen建模全局设置 |
| 5.2 全流程模拟结果与验证 |
| 5.3 小结 |
| 第6章 结论 |
| 参考文献 |
| 致谢 |
（5）湿法炼锌针铁矿法沉铁过程终点pH值预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 湿法炼锌针铁矿法沉铁研究现状 |
| 1.3 复杂生产过程工艺指标预测方法研究现状 |
| 1.4 预测模型校正方法研究现状 |
| 1.5 论文研究内容及章节安排 |
| 第二章 湿法炼锌针铁矿法沉铁过程分析 |
| 2.1 常压富氧直接浸出炼锌概述 |
| 2.2 针铁矿法沉铁过程工艺分析 |
| 2.2.1 针铁矿法沉铁过程介绍 |
| 2.2.2 针铁矿法沉铁机理分析 |
| 2.3 pH值对针铁矿法沉铁过程工艺影响分析 |
| 2.4 针铁矿法沉铁终点pH值预测思路 |
| 2.5 本章小结 |
| 第三章 针铁矿法沉铁过程终点pH值预测模型 |
| 3.1 沉铁过程影响pH值的化学反应分析 |
| 3.1.1 Fe~(2+)氧化反应动力学 |
| 3.1.2 Fe3+水解反应动力学 |
| 3.2 基于CSTR的物料平衡计算 |
| 3.2.1 针铁矿法沉铁CSTR反应器结构特点 |
| 3.2.2 基于CSTR的氢离子物料平衡计算 |
| 3.3 数据预处理 |
| 3.3.1 工业现场数据采集 |
| 3.3.2 数据的筛选与校正 |
| 3.3.3 预测模型时序对应分析 |
| 3.4 机理模型参数辨识与预测结果分析 |
| 3.4.1 终点pH值预测机理模型结构 |
| 3.4.2 基于非线性最小二乘法的参数辨识 |
| 3.4.3 参数辨识与预测效果分析 |
| 3.5 基于LS-SVM的数据模型与预测结果分析 |
| 3.5.1 线性支持向量回归 |
| 3.5.2 基于核函数的非线性回归 |
| 3.5.3 支持向量机模型结构 |
| 3.5.4 核函数及训练参数的影响分析 |
| 3.5.5 终点pH值预测结果分析 |
| 3.6 本章小结 |
| 第四章 终点pH值预测模型的在线校正 |
| 4.1 基于滤波法的预测值修正 |
| 4.1.1 滤波法在线修正 |
| 4.1.2 基于滤波方法的终点pH预测在线修正 |
| 4.2 基于滑动时间窗的LS-SVM在线校正 |
| 4.2.1 滑动时间窗在线LS-SVM校正算法 |
| 4.2.2 沉铁过程终点pH值预测模型校正 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要科研成果 |
（6）过程系统的数据校正与参数估计（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 数据校正与参数估计的研究背景 |
| 1.2 数据校正技术研究进展 |
| 1.2.1 数据校正问题的提出与发展 |
| 1.2.2 显着误差检测方法 |
| 1.2.3 数据校正的主要工业应用 |
| 1.3 数据校正与参数估计问题的研究发展 |
| 1.4 本文研究内容及各章节介绍 |
| 第2章 系统的参数可估计性与显着误差可识别性 |
| 2.1 系统的参数可估计性 |
| 2.1.1 线性系统参数可估计性分析 |
| 2.1.2 非线性系统参数可估计性分析 |
| 2.2 系统的显着误差可识别性 |
| 2.3 测量变量的测量组数影响 |
| 2.3.1 线性实例 |
| 2.3.2 非线性实例 |
| 2.4 结论 |
| 第3章 过程系统的多层数据校正 |
| 3.1 多层数据校正问题提出 |
| 3.2 多层数据校正问题描述 |
| 3.2.1 总物料平衡层的数据校正 |
| 3.2.2 物料组分平衡层的数据校正 |
| 3.2.3 严格机理模型层的数据校正 |
| 3.3 多层数据校正的显着误差可识别性分析 |
| 3.4 显着误差检测方法 |
| 3.5 多层数据校正框架 |
| 3.6 模拟实验 |
| 3.6.1 联塔流程 |
| 3.6.2 空气分离流程 |
| 3.7 结论 |
| 第4章 基于最大熵原理的数据校正与显着误差检测 |
| 4.1 信息熵与最大熵原理 |
| 4.2 测量误差的概率密度分布 |
| 4.3 数据校正问题的构造 |
| 4.4 显着误差检测方法 |
| 4.5 模拟实验 |
| 4.5.1 线性实例 |
| 4.5.2 非线性实例 |
| 4.6 结论 |
| 第5章 准最小二乘估计器 |
| 5.1 数据校正的一般描述 |
| 5.2 准最小二乘估计器 |
| 5.3 估计器参数的调整 |
| 5.4 实例 |
| 5.4.1 常压塔流程 |
| 5.4.2 乙烯分离流程 |
| 5.4.3 空气分离流程 |
| 5.5 多种方法的比较 |
| 5.6 结论 |
| 第6章 变负荷下的数据校正与参数估计方法 |
| 6.1 变负荷过程的特点 |
| 6.2 变负荷下的数据校正与参数估计方法 |
| 6.2.1 过程的稳态检测与数据采样 |
| 6.2.2 多工况下的数据聚类 |
| 6.2.3 基于多组测量的数据校正与参数估计 |
| 6.3 空气分离流程的应用实例 |
| 6.4 结论 |
| 第7章 多工况数据校正与参数估计的序列求解法 |
| 7.1 多工况数据校正与参数估计问题描述 |
| 7.2 多工况数据校正与参数估计的序列子问题构造 |
| 7.3 序列子问题规划求解方法 |
| 7.4 PTA系统应用实例 |
| 7.5 结论 |
| 第8章 基于机理模型的数据校正问题求解方法 |
| 8.1 基于机理模型的数据校正问题特点 |
| 8.2 基于经验增强的求解方法 |
| 8.3 基于Aspen Plus平台的设计与实施 |
| 8.4 数据校正问题的应用测试 |
| 8.4.1 联塔系统的应用测试 |
| 8.4.2 乙烯分离系统的应用测试 |
| 8.5 结论 |
| 第9章 总结与展望 |
| 9.1 论文总结 |
| 9.2 数据校正与参数估计技术研究展望 |
| 参考文献 |
| 附录A 影响函数与数据校正的关系 |
| 在学期间主要科研成果 |
（7）大型聚酯生产过程智能建模、控制与优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 前言 |
| 1.1 课题研究目的和意义 |
| 1.2 国内外研究现状及进展 |
| 1.2.1 聚酯生产过程建模方法研究进展 |
| 1.2.2 聚酯生产过程动态建模和先进控制研究进展 |
| 1.2.3 聚酯生产过程优化研究进展 |
| 1.3 本文的主要研究内容 |
| 第2章 聚酯生产过程智能机理建模 |
| 2.1 核密度分布估计智能优化算法 |
| 2.2 聚酯生产过程智能机理建模 |
| 2.2.1 聚酯生产过程简介 |
| 2.2.2 聚酯反应动力学模型 |
| 2.2.3 传质过程动力学模型 |
| 2.2.5 过程模型的智能优化校正 |
| 2.3 聚酯生产过程模拟与综合分析 |
| 2.4 小结 |
| 第3章 聚酯原料乙二醇生产过程智能机理建模 |
| 3.1 支持向量机回归算法 |
| 3.2 乙二醇生产过程智能机理建模 |
| 3.2.1 乙二醇生产过程简介 |
| 3.2.2 氧化反应过程智能机理建模 |
| 3.2.3 水合反应过程智能机理建模 |
| 3.3 乙二醇生产过程模拟与综合分析 |
| 3.4 小结 |
| 第4章 聚酯生产过程的动态建模 |
| 4.1 酯化过程动态模型 |
| 4.2 酯化过程动态模拟分析 |
| 4.3 终缩聚过程动态模型 |
| 4.4 终缩聚过程动态模拟分析 |
| 4.5 小结 |
| 第5章 聚酯生产过程先进控制 |
| 5.1 基于高斯过程的软测量建模 |
| 5.1.1 高斯过程建模 |
| 5.1.2 基于聚类的稀疏高斯过程建模 |
| 5.1.3 拟似输入稀疏高斯过程建模 |
| 5.2 聚酯生产过程智能软测量 |
| 5.2.1 基于聚类稀疏高斯过程的酯化过程端羧基浓度软测量 |
| 5.2.2 基于拟似输入高斯过程的聚酯产品色值软测量 |
| 5.3 聚酯生产过程预测控制 |
| 5.3.1 基于高斯过程的非线性模型预测控制 |
| 5.3.2 聚酯过程终缩聚过程特性粘度模型预测控制 |
| 5.4 小结 |
| 第6章 聚酯生产过程优化 |
| 6.1 混合智能优化算法 |
| 6.2 聚酯生产过程优化操作 |
| 6.3 小结 |
| 第7章 面向服务与多智能体集成的聚酯过程优化运行仿真平台 |
| 7.1 多智能体系统和面向服务框架 |
| 7.1.1 多智能体系统 |
| 7.1.2 面向服务框架 |
| 7.1.3 多智能体和面向服务的集成 |
| 7.2 面向服务与多智能体集成的框架 |
| 7.2.1 系统分析 |
| 7.2.2 系统本体结构 |
| 7.2.3 流程工业的基于服务的多智能体集成框架 |
| 7.3 系统运行环境 |
| 7.3.1 应用服务器和SOAP引擎 |
| 7.3.2 业务流程引擎 |
| 7.3.3 技术实现 |
| 7.4 聚酯过程优化运行仿真平台的实现 |
| 7.5 小结 |
| 第8章 结束语 |
| 8.1 本文的主要工作总结 |
| 8.2 进一步的讨论与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间发表的学术论文和研究成果 |
（9）工业过程的控制、监测与诊断研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 工业过程的控制、监测和诊断方法 |
| 1.2.1 复杂工业过程的控制方法 |
| 1.2.1.1 分散控制 |
| 1.2.1.2 智能控制 |
| 1.2.2 复杂工业过程的监测和诊断方法 |
| 1.3 分散预测控制的发展和现状 |
| 1.3.1 预测控制的基本概念 |
| 1.3.2 分散预测控制的研究概况 |
| 1.4 粗糙控制的发展和现状 |
| 1.4.1 粗糙集和粗糙控制 |
| 1.4.2 粗糙控制的研究概况 |
| 1.5 控制性能评价的发展和现状 |
| 1.5.1 研究背景和意义 |
| 1.5.2 控制系统性能评价技术的理论研究 |
| 1.5.3 工业应用情况 |
| 1.5.4 主要产品 |
| 1.6 振荡诊断领域的研究 |
| 1.7 本文的组织结构 |
| 2 多时标分散预测控制算法 |
| 2.1 引言 |
| 2.2 预测控制的一般描述 |
| 2.3 动态大系统的分散控制 |
| 2.3.1 大规模问题的分解 |
| 2.3.2 通信迭代 |
| 2.3.3 Nash最优概念 |
| 2.4 多时标分散预测控制算法 |
| 2.4.1 多时标信息预估 |
| 2.4.2 多时标分散预测控制算法描述 |
| 2.4.3 多时标分散DMC算法及分析 |
| 2.5 仿真实例 |
| 2.6 本章小结 |
| 3 基于粗糙集的Bang-Bang和PID集成控制器的设计 |
| 3.1 引言 |
| 3.2 粗糙集理论 |
| 3.3 Bang-Bang控制和PID控制 |
| 3.4 粗糙控制器的设计 |
| 3.4.1 粗糙规则的产生 |
| 3.4.2 粗糙控制器的综合设计 |
| 3.4.3 粗糙集知识库 |
| 3.4.4 粗糙推理 |
| 3.5 实验仿真 |
| 3.6 本章小结 |
| 4 基于遗忘因子的控制回路性能评价方法 |
| 4.1 引言 |
| 4.2 基于最小方差准则的性能评价 |
| 4.3 过程时滞的预估 |
| 4.4 基于遗忘因子的最小方差指标预估 |
| 4.5 仿真 |
| 4.6 工业应用实例 |
| 4.6.1 性能改进效果 |
| 4.6.2 性能改进效果 |
| 4.7 本章小结 |
| 5 一种基于闭环测试的振荡诊断方法 |
| 5.1 引言 |
| 5.2 回路振荡的原因 |
| 5.3 闭环测试 |
| 5.4 振荡的诊断 |
| 5.5 仿真实例 |
| 5.5.1 仿真效果 |
| 5.5.2 对比实验 |
| 5.6 本章小结 |
| 6 控制性能监控与优化系统在PTA生产装置上的应用 |
| 6.1 引言 |
| 6.2 PTA生产流程简介及现状分析 |
| 6.3 PTA生产装置控制系统实时性能监控和优化整定系统 |
| 6.3.1 PTA生产装置基础控制回路实时性能监控与评估系统 |
| 6.3.1.1 FrontAMC的作用和功能 |
| 6.3.1.2 FrontAMC的功能模块 |
| 6.3.1.3 FrontAMC的投运 |
| 6.3.2 PTA生产装置基础回路的模型测试与辨识 |
| 6.3.3 PTA生产装置基础回路PID参数鲁棒优化整定系统 |
| 6.4 PTA装置实时性能监控和优化整定系统的实施情况 |
| 6.4.1 PTA生产装置实时性能监控系统的应用实例 |
| 6.4.2 PTA生产装置优化整定系统的运行效果 |
| 6.5 本章小结 |
| 7 总结和展望 |
| 参考文献 |
| 个人简历、在学位期间撰写的学术论文和参与的项目 |
（10）一种在线辨识扰动模型的MPC控制器及其在溶剂脱水塔装置中的应用（论文提纲范文）
| 引 言 |
| 1 溶剂脱水塔工艺介绍及现状分析 |
| 2 不可测扰动模型估计 |
| 2.1 利用ARMA模型描述不可测扰动 |
| 2.2 滚动时域伪线性回归法 |
| 3 在线辨识扰动模型的DMC控制器 |
| 3.1 DMC算法 |
| 3.2 在线辨识扰动模型的DMC算法 |
| 4 仿真测试及在线投运效果 |
| 4.1 MHPLR算法的仿真 |
| 4.2 改进的DMC控制器仿真 |
| 4.3 改进的DMC控制器现场投运情况 |
| 5 结 论 |
四、NN-PLS算法及其在PTA氧化反应质量指标估计中的应用（论文参考文献）
- [1]贝叶斯网络在软测量建模中的应用研究[D]. 王德飞. 南京邮电大学, 2015(05)
- [2]智能建模中冗余问题的分析与处理及其应用[D]. 陈超. 华东理工大学, 2015(05)
- [3]对二甲苯氧化反应过程智能建模、优化与控制研究[D]. 陶莉莉. 华东理工大学, 2013(06)
- [4]PTA装置氧化单元流程模拟与分析[D]. 张峰. 华东理工大学, 2013(06)
- [5]湿法炼锌针铁矿法沉铁过程终点pH值预测方法研究[D]. 朱澍. 中南大学, 2012(02)
- [6]过程系统的数据校正与参数估计[D]. 张正江. 浙江大学, 2010(08)
- [7]大型聚酯生产过程智能建模、控制与优化研究[D]. 罗娜. 华东理工大学, 2010(05)
- [8]基于回归支持向量机的软测量建模研究[J]. 邵联合. 自动化博览, 2010(03)
- [9]工业过程的控制、监测与诊断研究[D]. 陈绍绵. 浙江大学, 2010(08)
- [10]一种在线辨识扰动模型的MPC控制器及其在溶剂脱水塔装置中的应用[J]. 韩恺,赵均,朱豫才,徐祖华,钱积新. 化工学报, 2008(07)