一、软测量技术及其在某装置萃取塔中的应用（论文文献综述）
闫金海[1]（2019）在《低温乳聚丁苯橡胶软测量模型的研究》文中指出低温乳聚丁苯橡胶是一种合成橡胶,由于其良好的性能,可以在很多方面取代天然橡胶,人民的日常生活和国家军工都应用的很多。生产低温乳聚丁苯橡胶的难点在于实时监测低温乳聚丁苯橡胶的转化率。目前,国内低温乳聚丁苯橡胶生产企业通常采用实验室手工方法对其分析和控制,这类控制方法有很大的缺陷-大时滞,一方面影响了控制效果,另一方面也极大耗费了资源,不论是人力成本,还是物力成本,都较为高昂。软测量技术的出现,可以很好的解决上述这些问题。迄今为止,关于使用该技术研究低温乳聚丁苯橡胶聚合转化率的报道很少。在低温乳聚丁苯橡胶生产的情况下,虽然生产工艺十分复杂,但工作状态相对而言还很稳定,辅助变量间存在很强的非线性,企业对总转换率预测也有更高的准确度要求。本文使用了一种软测量建模方法,对低温乳液丁苯橡胶的聚合转化率进行精准预测。本文以集成修剪为基础,构建了软测量建模方法。首先,通过bagging法建立不同的LS-SVM弱学习器,然后用AdaBoost.RT方法修剪弱学习器,对修剪后的弱学习器进行加权和输出。本文提出的方法预测精度高,解决了集成算法占用多,预测速度较慢的问题,还一定程度地改善了LS-SVM的稀疏性和鲁棒性问题。经过对该软测量建模方法进行仿真应用研究,结果表明此方法能够很好应用于工况较稳且估测精度有较高要求的低温乳聚丁苯橡胶的建模工业过程。
余旺[2]（2018）在《基于Nonnegative garrote的软测量技术在空气分离装置中的研究与应用》文中提出空气分离装置生产的氧气、氮气及一些稀有气体广泛的应用于化工、冶金、石油、采矿、军事等部门。随着吹氧炼钢和富氧鼓风工艺的推广应用以及氮肥工业的迅速发展,促使空气分离装置的集成化、综合化发展。为了保证产品质量、提高空气分离装置的安全性和可靠性,需要对该装置的氧气浓度进行监测。本研究的主要目的在于寻找一种软测量方法对该装置的氧气浓度进行实时测量,使之保持在一定的范围之内,从而克服传感器因时滞性而无法满足实时在线检测的问题。软测量技术是当前工业过程控制的研究热点之一。典型的辅助变量选择方法是最优子集法,但随着数据维度的增大该方法的计算复杂度会迅速增大且选择结果的稳定性较差;目前研究的热点是基于惩罚函数的变量选择方法,通过对惩罚系数的压缩,该方法既能筛选变量又能进行参数估计,比如非负绞杀算法（Nonnegative garrote,NNG）、套索算法（Least absolute shrinkage and selection operator,LASSO）等。本研究针对空气分离装置,设计并改进了一种基于NNG的软测量算法。改进的算法考虑建立在V折交叉验证法基础上的线性回归模型的选择问题,也就是通过增加改进的AIC（Akaike information criterion,AIC）准则来对原来的V折交叉验证进行改进,以此来解决在样本量较大,数据相关性较高时交叉验证过程中的过拟合问题。利用仿真算例对该算法的有效性进行验证,并与最小二乘法及传统NNG算法进行比较,仿真结果证明了该算法的优越性。进一步将所设计算法应用于空气分离装置的氧气浓度预测,结果表明该算法能够实现对该装置氧气浓度的精确测量,且在模型精度上优于最小二乘法和传统的NNG算法。
张翔宇[3]（2016）在《基于案例推理的软测量技术在制浆造纸过程中的应用研究》文中研究说明本文综述和分析了软测量技术的建模方法和数据驱动的软测量建模流程以及软测量技术在制浆造纸过程中的需求和应用现状,并重点介绍了基于案例推理（Case-Based Reasoning,CBR）的软测量建模方法。针对制浆造纸生产过程中存在不少难以在线测量的过程变量和质量参数的实际和需求,以应用案例推理技术解决制浆造纸过程中某些难测变量软测量问题和对相应生产工段进行优化设定研究为目标,重点探索以案例推理技术对制浆造纸过程中的一些难测变量进行软测量建模的方法。本文建立了在碱性过氧化物机械法制浆（Alkaline Peroxide Mechanical Pulping,APMP）的高浓磨浆过程中盘磨机出口处纸浆浓度和游离度的案例推理软测量模型。由于盘磨机出口处纸浆浓度和游离度在实际生产中没有在线的可测量仪器,而且涉及变量多、磨浆过程机理复杂,较难建立有效的机理模型对浓度和游离度进行计算和预测。通过分析高浓磨浆过程中可测的过程变量对盘磨机出口处纸浆浓度和游离度的影响,以相关性分析和共线性诊断方法,对初步选定的过程变量和主导变量间进行了线性相关性分析和过程变量间多重共线性的诊断。结合主元分析方法,最终选取木片两段预浸渍阶段的:螺旋挤压机的功率和吨浆功耗、混合碱的加入量;磨浆过程的:磨浆比能,稀释水量,磨盘间隙等11个变量为辅助变量,基于案例推理技术建立了盘磨机出口纸浆浓度和游离度的软测量模型,实现了对纸浆浓度和游离度的预测。应用江苏某造纸企业化学机械浆车间半年的145组典型工况生产数据对案例推理软测量模型进行模拟检验,其中纸浆浓度预测结果的均方根误差RMSE=0.71,相对误差CV-RMSE=1.72%;纸浆游离度的预测结果的均方根误差RMSE=4.29,相对误差CV-RMSE=0.73%。本文通过对打浆过程能耗的分析,选定以纸浆打浆前的打浆度和湿重,打浆浓度,纸浆流量,盘磨机的打浆功率为辅助变量分别建立基于案例推理的打浆度和湿重软测量模型。所建立的基于案例推理的打浆度和湿重软测量模型可以通过案例学习,而不需进行类似于其他算法的在线校正,实现跟随工况变化,提高打浆度和湿重预测精度。应用广东某造纸企业的540组生产数据对案例推理软测量模型进行模拟检验,模型经过一段时间运行,通过案例学习后,对打浆度的预测结果的均方根误差RMSE=1.3,相对误差CV-RMSE=4.32%;对湿重的预测结果的均方根误差RMSE=0.5,相对误差为19.09%。另外,基于案例推理软测量模型可以克服当选定的辅助变量测量仪器失效,无法得到实时的过程变量值使得辅助变量集不完备时,经过判断仍然可以对打浆度和湿重进行估计,并且预测精度没有明显降低。在此基础上,建立了串联打浆过程的优化模型。以打浆度和湿重的基于案例推理的软测量模型输出作为反馈信息,对打浆过程能耗进行了模拟优化。模拟结果表明,通过优化可实现打浆过程的节能,吨风干浆可节电约7千瓦时。本文在漂白过程二氧化氯和氯气漂白阶段,基于工艺分析和对生产操作经验总结的基础上,以案例推理技术建立了以漂白塔前在线白度值和残氯值的控制决策表为案例库的卡伯值在线估计模型。另外,以卡伯值估计模型为出发点,建立了漂白过程最优工况的判别模型和优化控制模型。应用几何解析方法分析了实际生产中的调节过程,将优化控制模型的求解转换为一个一维搜索的过程,以黄金分割法（0.618法）设计了求解算法。基于所建立的上述模型,设计了控制策略,以西门子WinCC为平台开发了优化控制系统,并应用于广东某制浆企业的实际生产过程中。生产实践表明,本研究得到的案例推理决策模型和优化控制模型可以实现过程优化,提高漂白质量。优化后的白度均值由优化前的62.9%ISO变为60.7%ISO,白度的标准差由优化前的3.04降为2.53。可以解决由于缺少在线卡伯值测量仪,生产中为保证漂白质量,加入过量化学药品,造成过漂和浪费化学药品的问题。。本研究结果表明案例推理技术方法可用于制浆造纸过程难测量参数的软测量。但是本研究仅是案例推理技术应用的探索,还需要进行深入研究。其中,关于APMP高浓磨浆过程中纸浆出口浓度和游离度的预测和打浆过程中关于纸浆湿重和打浆度的预测,在未来应用于实际生产过程中,还需考虑随着软测量模型运行时间的增长和案例库中案例数目的增加,如何建立案例索引,以及如何改进案例特征权值的确定方法,优化权值,提高软测量精度和动态适应性。
于沙家[4]（2016）在《基于模糊神经网络的热电厂脱硫系统建模与控制研究》文中指出热电厂中SO2的排放给环境造成很严重的危害,因此合理控制二氧化硫的排放,提高脱硫效率,成为热电厂中的重要问题。由于热电厂中脱硫过程具有多变量、非线性、不确定性以及延迟性等特点,这就导致其建模和控制会存在困难。为了提高脱硫系统中脱硫效率并合理控制脱硫过程,保证系统能平稳高效运行,所以对脱硫过程中的智能建模和智能控制方法进行研究将会具有重要的理论和实际意义。在石灰石/石膏湿法烟气脱硫系统中,浆液PH值对脱硫效率影响较大,因此本文从脱硫效率建模和浆液PH值控制两个方面进行分析与研究。由于在脱硫工程中影响脱硫效率的因素比较多,所以本文将T-S模糊神经网络引入到软测量建模中,进而对脱硫效率进行建模,通过仿真说明了该模型的有效性,通过数据分析表明了该模型具有良好的性能。在浆液PH值控制过程中,由于此过程具有惯性大、延迟性以及非线性的特点,所以本文选用了Mamdani模糊神经网络来建立控制器并用于浆液PH值控制中,并且在控制中为了进一步提高网络的寻优能力以达到更好的控制效果,又提出将DEBP算法的模糊神经网络用于脱硫系统PH值控制优化中,通过仿真表明了基于此算法的模糊神经网络在脱硫系统控制中更显其优势,本文对于模糊神经网络在工程上的应用具有一定的参考价值和工程意义。
李骋[5]（2015）在《乙烯裂解炉软测量与操作优化研究》文中进行了进一步梳理乙烯生产装置的核心设备裂解炉将天然气、炼厂气、原油及石脑油等各类原材料加工成裂解气,后将裂解气传输给余下装置以加工成最终产品——乙烯、丙烯及各种副产品。目前,产品质量需要人工进行化验分析,相应出现分析时间较长且结果滞后等问题,在线色谱仪有着昂贵的价格且难以维护,不便于使用推广,这样就造成产品质量测量不便和滞后的问题,针对此问题本文提出了开发研究乙烯裂解炉乙烯、丙烯收率软测量技术用来指导生产操作。同时,本文还研究了集散控制系统（DCS）装置数据采集、使用OPC （OLE for Process Control）技术实现对DCS装置数据的访问以及数据访问存取技术等相关技术和理论。又对BP （Back Propagation）神经元网络算法和RBF（Radial Basis Function）神经元网络算法进行了比较分析,并基于RBF神经网络算法实现乙烯裂解炉双烯收率的软测量,进行了网络训练和检验,结果表明乙烯裂解炉双烯收率软测量效果较好。本文对萤火虫优化（GSO）算法进行了分析研究,该方法属于新型的群智能优化方法,该优化方法步骤有荧光素值的再获取、最亮个体的再搜素、个体位置的再计算以及感知范围的再划分,由此将GSO法用于乙烯裂解炉的稳态优化问题,获取了装置的优化操作参数,提升了双烯收率,为企业安全、稳定、持续、高效运行创造一定的经济效益。
闻嘉[6]（2014）在《常减压蒸馏装置软测量与操作优化研究》文中指出作为炼油企业的龙头的常减压蒸馏装置,实现装置产品质量优化操作的前提是充分获得装置主要产品质量好坏的测量反馈信息。但很多衡量产品质量的重要参数指标是无法直接测量的,且在线测量产品质量的在线色谱仪存在价格昂贵、测量滞后以及维护不便的问题。本文系统分析了常减压蒸馏流程,进行常减压油品闪点、粘度软测量和常减压塔三线收率优化的研究,充分挖掘装置的优化潜力。本文在分析常减压蒸馏装置工艺机理和操作特点的基础上,研究油品闪点、粘度、侧线质量的相关变量,作为软测量模型的辅助变量获取某石化常减压蒸馏装置生产现场数据后,对数据进行异常数据排除、信号误差处理以及变换数据后,得到模型建立的输入数据,并且加入测量滞后时间的考量,提高建模的有效准确性。选取RBF神经网络技术作为解决产品质量软测量建模的方法,因其具有能逼近任意的非线性函数的优良性能,选取正交最小二乘法用于网络的学习,模型的在线校正过程中选择带遗忘因子的递推算法,训练网络后得到精度较高的非线性系统模型。将该技术应用于常三线、减二线、减三线油品粘度和闪点软测量建模,获取了较好的结果。在介绍传统的复合形优化方法基础上,研究了新型的群智能优化方法—萤火虫优化（GSO）算法,通过更新荧光素值、搜索最亮个体、更新个体位置、更新感知范围实现优化过程。将复合形法和GSO法均用于常压塔轻油收率的稳态优化问题,获取了装置的优化操作参数,提升了产品收率,实现经济效益的增长。
张力[7]（2013）在《裂解炉双烯收率优化控制的应用研究》文中提出轻柴油或石脑油裂解生产乙烯过程是一个非常复杂的化学反应过程，有几百上千个化学反应，变量繁多且相互关联，是具有非线性的不确定性的多变量对象。裂解炉在乙烯生产过程中是核心装置，其平稳高效运行直接影响乙烯生产的质量与产量，并对下游化工产品的生产制造过程影响深远。这就需要对裂解炉进行先进控制和优化操作，获取裂解炉产品的在线收率是必要条件。目前在线测量双烯收率的在线色谱仪价钱昂贵，存在测量滞后，维护不便，测量的连续性、稳定性均不佳等问题，很难用它来实施优化控制。为此，本文提出基于神经网路的软测量技术测量双烯收率，以此实施优化控制的方案。RBF神经网络技术可解决装置重要质量指标的测量问题，为产品质量的实时预测提供了很好的解决途径。RBF神经网络可以逼近任意的非线性函数，因而性能优良，属于备有生物背景的前向网络。学习并训练RBF神经网络以使建立的非线性系统模型获取较高的精度。本文在研究RBF神经网络结构和算法特点的基础上，在乙烯裂解装置上构造基于RBF神经网络的软仪表，实现乙烯、丙烯收率的软测量技术，取得了较好的结果。在线优化控制即根据生产过程的目标函数，采用优化算法快速获取实时工况下的操作最佳值，相应修改被控变量的设定值以指导装置操作，经济利益最大化得以实现。本文研究了用RBF神经网络建立的收率模型，采用复合形法对乙烯裂解炉进行优化操作，提升产品的质量和收率以实现经济效益的增加。
徐亮[8]（2013）在《氩氧精炼铁合金喷溅抑制智能控制系统研究》文中研究说明冶金行业中,氩氧精炼法是以氧代电简化了生产工序并降低生产成本,更节能环保。而这种方法也被广泛应用,这种方法也叫AOD （Argon Oxygen Decarburization Converter）法。但AOD炉冶炼低碳铬铁合金温度要比普通冶炼时高100℃-250℃以上,这就使冶炼过程中更易发生喷溅事故。喷溅事故会带来设备损坏、物料流失、经济损失甚至人员伤亡。所以抑制AOD炉喷溅十分关键。本文以AOD炉冶炼过程为研究对象,基于AOD炉的内部以及外部在冶炼过程中发生喷溅时的特点进行研究,例如炉内振动和声音等喷溅特征,将其中一些特征信号进行提取及融合,进而重构喷溅信号,形成基于多传感器信息融合的喷溅计量方法及检测技术,通过建立喷溅强度与枪位、供气强度以及加料方式等参数的关系模型,进而构建模糊控制规则,按照控制规则给出枪位、供氧强度、供氩（氮）强度和喷溅抑制剂等控制量,构建基于智能控制的抑制喷溅的决策支持系统；为提高产品收得率和事故评估及保证生产安全,提供一种控制方法。首先通过多个传感器,采集反应喷溅的声音和振动的特征信号,通过信息融合技术确定冶炼过程中AOD炉内的喷溅强度信号,建立喷溅强度信号与∑Cr2O3的关系模型,进而利用喷溅强度表征喷溅。将喷溅强度信号分为返干、正常冶炼小喷、中喷到大喷范围。研究供气系统、氧枪升降系统及加料系统的工艺设计,并分析AOD炉在正常冶炼状态下,氧气流量、氮气流量、氧枪高度及加料速度随喷溅强度信号变化的曲线。为智能控制器的设计提供依据。这种思想可以提供给AOD炉冶炼过程用智能控制器完成自动化生产的一种方法。由于AOD炉生产过程特点非线性,物料不确定、变量的耦合关系密切、遵循多种化学平衡及能量平衡,所以无法建立与喷溅有关的数学模型,从这几点来看模糊控制就更适用于喷溅控制系统。利用多规则库控制的思想,运用模糊控制算法。把喷溅强度作为控制信号,将控制信号划分成不同的分段,然后每个不同分段分别控制氧气流量、氮气流量、氧枪高度及泡沫抑制剂的加入量。完成控制器的设计,并在Matlab下进行系统的仿真。由于四种输出量对AOD炉内理化反应影响速度不同,所以可通过曲线看到喷溅强度信号再不同分段时,系统从不稳定达到稳定时间是不同的,但系统在不同情况下由不稳定达到稳定时所需要的时间都会在60秒之内完成,并且系统喷溅强度稳定在40-60db的正常范围之内,是极为稳定的系统。抑制AOD炉喷溅过程采用了包括控制、计算机、通讯和显示的DCS （Distributed Control System）,即集散控制系统。抑制AOD喷溅系统的总体设计思想：将检测到的AOD炉的喷溅强度信号通过模拟量模块送到PLC（Programmable Logic Controller）中,PLC根据预先设定好的程序控制顶枪高度、氧气流量、氮气流量及泡沫抑制剂的加入量,并可通过MP377-15触摸屏实现对PLC工作状态的实时监控。本文的DCS（Distributed Control System）系统主要设计与喷溅相关的顶枪控气系统、底枪控气系统及加料系统。
李静[9]（2013）在《醋酸精馏软测量与先进控制研究》文中研究指明精馏塔是石油化工生产的核心装置。由于精馏塔的常规检测技术以及控制方法往往过于保守、能耗大,而软测量技术及先进控制方法能够弥补常规控制时控制效果不佳情况,而且适用于复杂的工业过程,近年来受到广泛的关注。本文以醋酸脱水精馏为对象,在对醋酸精馏原理进行深入研究分析的基础上,针对一些实际生产过程中的问题,研究了醋酸精馏过程静态、动态模型的建立,软测量方法,推断控制方法,预测控制方法。本文的主要研究归纳如下：（1）利用Aspen Plus流程模拟软件对醋酸精馏过程进行生产装置的组合及稳态模拟,在稳态模拟的基础上,对精馏过程中的重要参数—灵敏板进行分析,并预测、观察操作条件对工艺过程结果的影响；进一步在收敛的稳态模型中增加动态参数并将其导入到Aspen Dynamics中,即可进行对醋酸精馏过程实时动态模拟的研究。（2）针对醋酸精馏过程中产品组分不可直接测得的情况,提出一种叠加支持向量机软测量建模方法。叠加支持向量机软测量模型解决了高维输入空间数据点的异常稀疏性（维数灾难）会导致支持向量机回归模型产生偏差的问题,使得其在处理高维问题时估计偏差减小。并提出了对支持向量机的一种简化的二次规划描述。仿真实验表明AddSVR模型与传统的SVR和最小二乘支持向量机回归（LS-SVM）模型相比有更好的预测效果。（3）针对醋酸精馏过程产品组分与扰动不可测或不可在线测量的情况,以及满足醋酸产品精度的要求,提出了基于叠加支持向量机软测量模型的推断反馈控制方法以及多步预测控制方法,并对两种方法进行了组合研究。仿真结果表明,多变量预测—推断控制由于多变量控制的特性,会存在少量的余差现象,但是其优点是能够实现双端控制,并能实现精馏两端产品快速控制在设定值,达到控制效果。
孙元[10]（2012）在《软测量模型自适应校正与高温场软测量方法研究》文中研究指明为了保证生产的安全进行,提高产品质量和产量,实现节能降耗,需要对工业生产过程中的关键参数进行测量。软测量技术利用能够测量或能够精确测量的过程参数作为辅助变量,基于辅助变量和主导变量的数学模型,实现传统仪表无法测量的过程参数的在线预测,因而成为检测领域研究的热点。但是,目前软测量技术研究缺乏系统规范的理论框架；而在实际应用中,软测量模型性能随着过程特性的变化而逐渐恶化,因此需要通过在线校正来维护模型的测量性能,但传统的大多数软测量模型校正方法因存在“盲目校正”问题,其校正效果和实时性有待提高。温度是高温生产中重要的过程参数,但传统的接触式测温方法存在响应时间长、无法在线连续测量、不能给出对象温度场等缺点。基于彩色CCD图像传感器的高温场非接触测温方法虽能实现高温场的在线测量,但作为其测温理论基础的大多是基于理想化假设而推导出的比色测温公式,实际应用中,因理想化假设不能满足,导致其测温误差较大,测量精度不足。论文针对上述问题进行研究,构建了系统规范的软测量技术理论框架,该框架由软测量技术定义、实现步骤、实施方法（辅助变量选择、数据预处理、建模、模型维护）三部分构成；提出了一种目的性和针对性较强的软测量模型性能监测、评价及其自适应校正方法；开发了基于彩色CCD图像传感器的高温场软测量系统。主要研究内容及成果如下：（1）提出了一种新型的软测量模型性能评价指标。与传统的基于预测均方误差或均方根误差的指标相比,该指标具有两个优点：①采用加权均值滤波减小离线测量噪声对模型性能评价的影响,避免由于离线噪声导致校正功能的误触发；②基于模型的设计性能对其当前性能进行客观地评价,使评价指标具有更为明确的物理意义。利用这一指标可对软测量模型性能进行有效的监测,从而提高了模型校正的目的性和针对性,解决了“盲目校正”问题。（2）提出了一种基于频谱特征分析的过程特性变化类型判别方法。首先采集生产过程中稳态、渐变和突变工况下软测量模型性能评价指标数据,然后使用不同工况下评价指标曲线的频谱特征训练过程特性变化类型分类器,并利用该分类器判别过程特性变化类型。（3）提出了一种基于离线测量数据和工况判别的软测量模型自适应校正方法。当在线监测的模型性能评价指标超过预定统计限时,才触发软测量模型校正功能；然后利用过程特性变化类型分类器判别工况变化类型并采取相应的模型校正措施：若过程特性渐变,则利用新的离线测量值对模型进行递推校正；若过程特性突变,则在历史数据中选取与当前测量点相似的样本构建局部建模样本集,进行模型重构。通过对不同类型的过程特性变化类型采用不同的模型校正方法,在保证测量实时性的同时,有效地解决了传统校正方法的“盲目校正”和校正缺乏针对性的问题,校正频率明显低于传统校正方法,而校正效果则优于传统方法,显着提高了软测量系统对过程特性变化的适应能力。（4）提出了一种新型的适用范围广泛的比色测温公式,建立了带有烟雾干扰补偿和模型自校正功能的基于彩色CCD的高温场软测量模型。通过对比色测温原理和CCD工作原理进行深入的分析和严谨的数学推导,提出了不含任何理想化假设的改进的CCD比色测温公式,据此实现的比色测温方法的测量精度、可靠性及对不同被测对象的适应能力都优于传统的比色测温方法；针对工业现场普遍存在的烟雾干扰,构建了一种能对测温结果进行补偿校正的烟雾干扰补偿器,提高了测温结果的精度和可靠性；通过对高温场软测量模型进行在线校正,提高了其对不同测量对象的适应能力。（5）提出了一种基于干扰源辐射体颜色信息的高温辐射体图像识别方法。能够有效克服现场各种光辐射干扰的影响,准确识别待测高温目标。（6）提出了一种基于两级模板的CCD图像噪声滤波方法。利用一级模板识别图像边缘和脉冲噪声,利用二级模板滤除高斯噪声。该方法能够在尽可能保留图像细节、避免图像边缘模糊的同时滤除CCD图像噪声。（7）开发了基于彩色CCD的高温场软测量系统。该系统能够实时在线测量高温辐射体的表面温度场,并提供详细的温度信息供操作者进行分析决策。实验结果表明,所开发的高温场软测量系统测温范围广,测温精度高,响应时间短,抗干扰性强,可靠性好,对不同被测对象的适应性强,能够满足工业生产的应用要求,性价比优势突出,具有较强的实用性和推广价值。
二、软测量技术及其在某装置萃取塔中的应用（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、软测量技术及其在某装置萃取塔中的应用（论文提纲范文）
（1）低温乳聚丁苯橡胶软测量模型的研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 低温乳聚丁苯橡胶软测量研究的意义 |
| 1.2 组成软测量技术的结构 |
| 1.2.1 数据采集及处理 |
| 1.2.2 软测量模型校正 |
| 1.3 建模方法 |
| 1.4 文章的安排及内容 |
| 2 低温乳聚丁苯橡胶生产辅助变量的选择 |
| 2.1 引言 |
| 2.2 影响低温乳聚丁苯橡胶的质量因素 |
| 2.2.1 影响低温乳聚丁苯橡胶的产品质量分析 |
| 2.2.2 影响低温乳聚丁苯橡胶聚合转化率的因素 |
| 2.3 低温乳聚丁苯橡胶辅助变量的选择 |
| 2.3.1 低温乳聚丁苯橡胶辅助变量的选择原则 |
| 2.3.2 建立低温乳聚丁苯橡胶辅助变量 |
| 2.3.3 聚合转化率辅助变量采集 |
| 2.4 小结 |
| 3 低温乳聚丁苯橡胶聚合机理及工艺流程 |
| 3.1 Bd/St乳液共聚机理 |
| 3.1.1 初级自由基的生成 |
| 3.1.2 链增长反应 |
| 3.1.3 链转移 |
| 3.1.4 链终止 |
| 3.1.5 乳液聚合丁苯橡胶动力学方程 |
| 3.2 乳液聚合(ESBR)丁苯橡胶工艺流程 |
| 3.2.1 低温乳液聚合工艺 |
| 3.2.2 化学品配制 |
| 3.2.3 聚合单元 |
| 3.2.4 单体回收单元 |
| 3.2.5 胶浆贮存及掺混单元 |
| 3.2.6 凝聚、干燥及包装单元 |
| 3.2.7 废气处理 |
| 3.2.8 冷冻站 |
| 4 子模型建模方法 |
| 4.1 RBF神经网络 |
| 4.2 LS-SVM算法 |
| 4.3 在线LS-SVM算法 |
| 4.4 本章小结 |
| 5 基于集成修剪的多模型软测量建模方法 |
| 5.1 bagging算法简介 |
| 5.2 AdaBoost.RT算法简介 |
| 5.3 基于AdaBoost.RT修剪的bagging集成算法结构与步骤 |
| 5.4 丁苯橡胶转化率测量 |
| 5.5 应用仿真研究 |
| 5.6 仿真结果分析 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（2）基于Nonnegative garrote的软测量技术在空气分离装置中的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文研究的背景及意义 |
| 1.2 软测量技术概述 |
| 1.2.1 辅助变量的选择 |
| 1.2.2 数据的采集与处理 |
| 1.2.3 软测量建模 |
| 1.2.4 软仪表的校正 |
| 1.3 软测量技术的发展现状 |
| 1.3.1 应用现状 |
| 1.3.2 存在的问题 |
| 1.4 本论文的研究动机与目标 |
| 1.5 本文的主要内容 |
| 第2章 算法基础 |
| 2.1 最小二乘法 |
| 2.1.1 最小二乘法的发展 |
| 2.1.2 高斯与最小二乘法 |
| 2.1.3 最小二乘回归分析 |
| 2.1.4 应用最小二乘法存在的问题 |
| 2.2 AIC准则 |
| 2.2.1 AIC准则的原理 |
| 2.2.2 AIC准则的不足 |
| 2.3 NNG算法 |
| 2.3.1 NNG算法简介 |
| 2.3.2 相合性与渐进有效性 |
| 2.3.3 过拟合与欠拟合 |
| 2.4 交叉验证法 |
| 2.4.1 留一交叉验证法 |
| 2.4.2 留P交叉验证法 |
| 2.4.3 V折交叉验证法 |
| 2.5 模型的评估与选择 |
| 2.5.1 模型性能的评价指标 |
| 2.5.2 偏差 |
| 2.5.3 方差 |
| 2.5.4 交叉验证与模型选择 |
| 2.6 本章小结 |
| 第3章 改进的NNG算法 |
| 3.1 改进的AIC准则 |
| 3.2 NNG参数s的选择 |
| 3.2.1 V折交叉验证确定最佳s值 |
| 3.3 改进的NNG算法 |
| 3.3.1 算法流程 |
| 3.3.2 算法对比 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第4章 改进的NNG算法在空气分离装置中的应用 |
| 4.1 空气分离装置的发展 |
| 4.2 空气分离装置的分类及分离方法 |
| 4.2.1 分子筛吸附法 |
| 4.2.2 膜分离法 |
| 4.2.3 低温精馏法 |
| 4.3 空气分离装置的工作流程 |
| 4.4 空气分离装置的可测变量 |
| 4.5 改进的NNG算法对空气分离装置的氧气浓度的预测 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 本研究的创新之处与不足 |
| 5.2.1 创新之处 |
| 5.2.2 不足之处 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文 |
（3）基于案例推理的软测量技术在制浆造纸过程中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 软测量技术 |
| 1.2.1 软测量模型建模方法 |
| 1.2.2 数据驱动的软测量模型建模流程 |
| 1.2.3 制浆造纸过程中软测量技术的应用需求 |
| 1.3 软测量技术在制浆造纸过程的应用现状 |
| 1.3.1 基于机理的软测量模型 |
| 1.3.2 基于数据驱动的软测量模型 |
| 1.3.3 软测量模型在生产中的应用及存在的问题 |
| 1.4 本文研究对象及内容 |
| 1.4.1 APMP高浓磨浆过程 |
| 1.4.2 造纸备料阶段打浆过程 |
| 1.4.3 漂白过程二氧化氯和氯气漂白阶段 |
| 1.5 论文提纲 |
| 第二章 基于案例推理（CBR）的软测量技术 |
| 2.1 案例推理技术的应用现状 |
| 2.2 基于案例推理的软测量技术 |
| 2.2.1 案例表示 |
| 2.2.2 案例检索 |
| 2.2.3 案例重用 |
| 2.2.4 案例修正和保留 |
| 2.2.5 案例维护 |
| 2.3 初始案例库的建立 |
| 2.3.1 数据收集和预处理 |
| 2.3.2 变量之间的时序匹配 |
| 2.3.3 数据的标准化 |
| 2.3.4 辅助变量的筛选与确定 |
| 2.3.5 案例存储结构 |
| 2.3.6 案例特征权值 ωi的确定 |
| 2.4 本章小结 |
| 第三章 CBR软测量技术在APMP高浓磨浆过程的应用 |
| 3.1 APMP制浆过程 |
| 3.1.1 工艺介绍 |
| 3.1.2 磨浆过程建模研究进展 |
| 3.2 APMP高浓磨浆过程 |
| 3.2.1 木片的预处理 |
| 3.2.2 高浓磨浆 |
| 3.2.3 高浓磨浆过程的分析 |
| 3.3 基于案例推理的磨浆浓度和游离度的软测量模型 |
| 3.3.1 数据采集及预处理 |
| 3.3.2 辅助变量的选取 |
| 3.3.3 特征权值 ωi的确定 |
| 3.3.4 基于案例推理的软测量模型 |
| 3.3.5 结果分析与评价 |
| 3.4 不同软测量建模方法的对比 |
| 3.4.1 基于BP神经网络的软测量算法 |
| 3.4.2 基于支持向量回归的软测量算法 |
| 3.4.3 结果对比 |
| 3.5 本章小结 |
| 第四章 CBR软测量技术在打浆过程的应用 |
| 4.1 纸料制备的打浆过程 |
| 4.1.1 打浆过程的工艺 |
| 4.1.2 打浆过程的能耗分析 |
| 4.1.3 打浆过程的控制 |
| 4.2 基于案例推理的打浆度和湿重的软测量建模 |
| 4.2.1 软测量模型的建立 |
| 4.2.2 软测量模型的结果 |
| 4.3 串联打浆过程的优化设定 |
| 4.3.1 节能优化分析 |
| 4.3.2 优化模型 |
| 4.3.3 线性回归分析 |
| 4.3.4 案例分析 |
| 4.4 本章小结 |
| 第五章 CBR软测量技术在漂白过程的应用 |
| 5.1 纸浆的二氧化氯和氯气漂白工艺 |
| 5.1.1 生产流程介绍 |
| 5.1.2 木素脱除速率的机理模型 |
| 5.1.3 常用的控制策略 |
| 5.2 基于案例推理的卡伯值在线估计模型 |
| 5.2.1 实际生产中存在的问题 |
| 5.2.2 工艺特征分析 |
| 5.2.3 基于案例推理的卡伯值在线估计模型 |
| 5.3 优化控制模型的建立 |
| 5.3.1 生产数据的预处理和分析 |
| 5.3.2 最优工况的判别模型 |
| 5.3.3 优化控制目标函数 |
| 5.4 实时操作优化 |
| 5.4.1 实际生产中的两种调节方式 |
| 5.4.2 优化控制模型的求解 |
| 5.5 优化控制系统的设计和实施 |
| 5.5.1 氯气流量的软测量 |
| 5.5.2 控制方案的结构和功能 |
| 5.5.3 控制方案的实施 |
| 5.5.4 系统应用结果与分析 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 答辩委员会对论文的评定意见 |
（4）基于模糊神经网络的热电厂脱硫系统建模与控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究与发展状况 |
| 1.2.1 石灰石/石膏湿法烟气脱硫工艺研究与发展状况 |
| 1.2.2 软测量技术研究与发展状况 |
| 1.2.3 PH值控制研究与发展状况 |
| 1.2.4 模糊神经网络研究与发展状况 |
| 1.3 课题研究内容和主要工作 |
| 2 石灰石/石膏湿法烟气脱硫系统机理分析 |
| 2.1 湿法烟气脱硫工艺流程和基本原理 |
| 2.1.1 湿法烟气脱硫工艺流程 |
| 2.1.2 湿法烟气脱硫基本原理 |
| 2.2 湿法烟气脱硫系统组成 |
| 2.3 湿法烟气脱硫效率影响因素 |
| 2.4 湿法烟气脱硫系统过程分析 |
| 2.4.1 系统过程控制分析 |
| 2.4.2 系统过程参数分析 |
| 2.4.3 系统过程特性分析 |
| 2.5 湿法烟气脱硫系统浆液PH值控制方案分析 |
| 2.6 本章小结 |
| 3 模糊神经网络理论 |
| 3.1 模糊系统理论 |
| 3.1.1 模糊逻辑控制基本原理 |
| 3.1.2 模糊逻辑系统组成 |
| 3.1.3 模糊控制系统特点 |
| 3.2 误差反向传播神经网络 |
| 3.2.1 神经元模型 |
| 3.2.2 BP网络结构 |
| 3.2.3 BP网络算法 |
| 3.3 模糊神经网络 |
| 3.3.1 模糊神经网络概述 |
| 3.3.2 T-S模糊神经网络 |
| 3.3.3 Mamdani模糊神经网络 |
| 3.4 本章小结 |
| 4 基于T-S模糊神经网络脱硫效率软测量建模研究 |
| 4.1 概述 |
| 4.2 软测量技术 |
| 4.2.1 软测量技术原理 |
| 4.2.2 软测量建模方法 |
| 4.3 基于T-S模糊神经网络脱硫效率软测量建模仿真研究 |
| 4.3.1 数据采集和预处理 |
| 4.3.2 脱硫效率模型建立 |
| 4.3.3 仿真研究 |
| 4.4 本章小结 |
| 5 基于Mamdani模糊神经网络浆液PH值控制研究 |
| 5.1 概述 |
| 5.2 PH值数学模型 |
| 5.3 基于Mamdani模糊神经网络PH值控制器设计与仿真 |
| 5.3.1 FNN控制器设计 |
| 5.3.2 FNN控制算法 |
| 5.3.3 仿真研究 |
| 5.4 本章小结 |
| 6 基于DEBP算法的模糊神经网络脱硫系统控制优化研究 |
| 6.1 概述 |
| 6.2 DEBP算法理论 |
| 6.2.1 差分进化算法 |
| 6.2.2 DEBP算法 |
| 6.2.3 仿真研究 |
| 6.3 基于DEBP算法的模糊神经网络在浆液PH值控制中仿真研究 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表学术论文目录 |
（5）乙烯裂解炉软测量与操作优化研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究目的及意义 |
| 1.2 国内外发展及研究现状 |
| 1.2.1 裂解炉的模型建立 |
| 1.2.2 软测量技术及应用 |
| 1.2.3 神经网络在软测量方面的应用 |
| 1.2.4 群智能优化算法研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 DCS系统数据通讯与采集 |
| 2.1 上位机与DCS通讯方式的选择 |
| 2.2 OPC技术 |
| 2.2.1 OPC的概念 |
| 2.2.2 服务器和接口 |
| 2.2.3 数据存取规范 |
| 2.2.4 数据服务器的存取方式 |
| 2.3 OPC客户程序的设计 |
| 2.4 数据库及其访问技术 |
| 2.5 小结 |
| 第三章 神经元网络 |
| 3.1 BP神经网络 |
| 3.1.1 BP网络结构 |
| 3.1.2 BP网络算法 |
| 3.2 RBF神经网络 |
| 3.2.1 RBF网络结构 |
| 3.2.2 RBF网络算法 |
| 3.3 神经网络的选取 |
| 3.4 VB语言实现RBF网络算法 |
| 3.5 小结 |
| 第四章 乙烯裂解炉双烯收率软仪表 |
| 4.1 软测量技术的实现步骤 |
| 4.2 裂解炉装置现场工艺介绍 |
| 4.2.1 裂解机理 |
| 4.2.2 双烯收率的相关变量 |
| 4.3 双烯收率软测量模型 |
| 4.3.1 辅助变量的确定 |
| 4.3.2 样本数据的采集及滞后时间 |
| 4.3.3 数据的预处理 |
| 4.3.4 双烯收率的模型训练与检验 |
| 4.3.5 软仪表的实际运行 |
| 4.4 影响软测量应用的因素 |
| 4.5 小结 |
| 第五章 乙烯裂解炉装置的过程优化 |
| 5.1 过程优化简述 |
| 5.2 过程优化的实现 |
| 5.3 GSO优化方法 |
| 5.3.1 仿生学原理 |
| 5.3.2 GSO算法描述 |
| 5.3.3 GSO算法求解约束优化问题的步骤 |
| 5.4 GSO优化算法在裂解炉装置上的应用 |
| 5.5 小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 导师与作者简介 |
| 附件 |
（6）常减压蒸馏装置软测量与操作优化研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究目的及意义 |
| 1.2 国内外发展及研究现状 |
| 1.2.1 常减压蒸馏装置建模理论发展及应用 |
| 1.2.2 软测量技术及应用 |
| 1.2.3 神经元网络建模技术及应用 |
| 1.3 论文主要结构 |
| 第二章 常减压蒸馏装置现场工艺分析 |
| 2.1 常减压蒸馏装置过程工艺概述 |
| 2.2 工艺流程说明 |
| 2.3 蒸馏工艺特性分析 |
| 2.4 调节常减压塔产品质量的方法 |
| 2.5 粘度、闪点、侧线质量的相关变量 |
| 2.6 小结 |
| 第三章 软测量技术 |
| 3.1 软测量模型的提出 |
| 3.2 建立软测量模型的方法 |
| 3.3 软测量技术的影响因素 |
| 3.4 小结 |
| 第四章 RBF神经网络建模 |
| 4.1 神经网络简介 |
| 4.2 RBF神经网络 |
| 4.3 RBF网络学习方法 |
| 4.4 RBF神经元网络的权值计算 |
| 4.5 采用RBF建立油品质量的软测量模型 |
| 4.6 小结 |
| 第五章 常减压蒸馏装置的过程优化 |
| 5.1 过程优化简述 |
| 5.2 过程优化的实现 |
| 5.3 复合形法 |
| 5.4 GSO优化方法 |
| 5.5 两种优化方法在常减压蒸馏装置的应用 |
| 5.6 小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 导师与作者简介 |
| 附件 |
（7）裂解炉双烯收率优化控制的应用研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 裂解炉的建模技术 |
| 1.2.1 反应动力学建模 |
| 1.2.2 热传递过程建模 |
| 1.3 优化技术在裂解炉中的应用 |
| 1.4 软测量技术的发展 |
| 1.5 论文结构 |
| 第二章 裂解炉装置现场工艺分析 |
| 2.1 裂解炉装置过程工艺简介 |
| 2.2 裂解机理 |
| 2.3 影响裂解产品收率的操作变量 |
| 2.3.1 裂解温度与停留时间 |
| 2.3.2 烃分压 |
| 2.3.3 稀烃比 |
| 2.4 小结 |
| 第三章 软测量技术 |
| 3.1 软测量概述 |
| 3.2 辅助变量的选择 |
| 3.3 输入数据的处理 |
| 3.3.1 随机误差的处理 |
| 3.3.2 过失误差的处理 |
| 3.3.3 异常数据的处理 |
| 3.3.4 数据的变换 |
| 3.4 软测量模型的建立与校正 |
| 3.5 小结 |
| 第四章 RBF 神经网络的裂解收率软测量 |
| 4.1 神经网络 |
| 4.2 RBF 神经网络 |
| 4.2.1 RBF 网络的结构 |
| 4.2.2 输入数据的预处理 |
| 4.2.3 网络学习方法 |
| 4.3 双烯收率软测量建模 |
| 4.3.1 问题描述 |
| 4.3.2 辅助变量的确定 |
| 4.3.3 产品出口到采样点的滞后时间 |
| 4.3.4 数据的预处理 |
| 4.3.5 离线学习与检验 |
| 4.3.6 模型在线校正 |
| 4.4 小结 |
| 第五章 复合形法在裂解炉优化中的应用 |
| 5.1 过程优化概述 |
| 5.2 过程优化的实现 |
| 5.3 复合形法 |
| 5.3.1 基本原理 |
| 5.3.2 初始复合形的构成 |
| 5.3.3 计算形心并验证可行性 |
| 5.3.4 迭代过程及算法框图 |
| 5.4 复合形优化算法在裂解炉装置上的应用 |
| 5.4.1 优化问题描述 |
| 5.4.2 裂解炉的操作优化 |
| 5.5 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 导师与作者简介 |
| 附表 |
（8）氩氧精炼铁合金喷溅抑制智能控制系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究目的和意义 |
| 1.1.1 工程背景 |
| 1.1.2 研究目的及意义 |
| 1.2 喷溅领域研究现状 |
| 1.2.1 冶炼低碳铬铁合金的发展现状 |
| 1.2.2 抑制喷溅系统的国内外发展现状 |
| 1.3 论文研究内容 |
| 第二章 AOD炉冶炼工艺以及喷溅机理分析 |
| 2.1 AOD炉氩氧精炼低碳铬铁生产工艺 |
| 2.2 喷溅产生的原因 |
| 2.3 喷溅强度表征喷溅的机理分析 |
| 2.3.1 音平强度软测量技术表征喷溅的发生 |
| 2.3.2 震动强度软测量技术表征喷溅的发生 |
| 2.4 本章小结 |
| 第三章 多传感器信息融合技术及其软件实现 |
| 3.1 软件设计主要功能 |
| 3.1.1 功能模块划分 |
| 3.1.2 该系统实用性分析 |
| 3.2 多信号采集系统的硬件设计基本思想 |
| 3.2.1 采集系统的硬件设计基本思想 |
| 3.2.2 采集系统的硬件的选型 |
| 3.2.3 小波分析处理方法 |
| 3.3 基于LABVIEW的仿真系统工作界面设计 |
| 3.4 采集信息融合处理 |
| 3.4.1 方案提出 |
| 3.4.2 系统构成 |
| 3.5 加权数据融合算法 |
| 3.5.1 加权数据融合的估计模型 |
| 3.5.2 加权融合原理 |
| 3.5.3 冶炼特征数据抽样 |
| 3.5.4 仿真实验及结果分析 |
| 3.6 本章小结 |
| 第四章 AOD炉喷溅抑制系统的给定值优化 |
| 4.1 抑制AOD炉喷溅系统总体方案设计 |
| 4.1.1 抑制AOD炉冶炼铬铁合金喷溅时主要控制量 |
| 4.1.2 抑制AOD炉喷溅系统总体方案 |
| 4.2 供气系统的工艺分析及其给定值优化 |
| 4.2.1 顶枪供氧系统的工艺设计及氧气工艺曲线规划 |
| 4.2.2 底枪供氮系统的工艺设计及氮气工艺曲线规划 |
| 4.3 氧枪枪位系统的工艺分析及其给定值优化 |
| 4.4 加料系统的工艺分析及其给定值优化 |
| 4.5 防止喷溅的控制规则建立及执行 |
| 4.6 本章小结 |
| 第五章 抑制AOD炉喷溅过程智能策略的研究 |
| 5.1 模糊控制概论 |
| 5.1.1 多规则库的模糊控制策略在AOD炉抑制喷溅系统中的应用 |
| 5.1.2 多规则模糊控制器的设计 |
| 5.1.3 模糊推理和输出函数清晰化 |
| 5.2 系统的仿真实验与性能分析 |
| 5.2.1 系统仿真模型的建立 |
| 5.2.2 仿真结果及系统性能分析 |
| 5.3 抑制AOD炉喷溅过程的DCS系统的实现 |
| 5.3.1 DCS控制系统简介 |
| 5.3.2 抑制喷溅模糊控制系统的PLC实现 |
| 5.3.3 抑制AOD炉喷溅系统的DCS配置及集中操作监视 |
| 5.3.4 顶枪控气系统、底枪控气系统和加料控制系统 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
| 原创性声明 |
| 论文使用授权声明 |
（9）醋酸精馏软测量与先进控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 精馏过程的流程模拟技术 |
| 1.2.1 流程模拟技术的发展概况 |
| 1.2.2 流程模拟技术的发展趋势及存在的问题 |
| 1.3 精馏过程的软测量技术 |
| 1.3.1 软测量技术原理框架 |
| 1.3.2 软测量建模方法研究 |
| 1.3.3 模型变量的选择和数据预处理 |
| 1.3.4 软测量模型的在线校正 |
| 1.4 精馏过程的推断控制技术 |
| 1.4.1 推断控制技术的发展 |
| 1.4.2 精馏过程推断控制技术存在的问题 |
| 1.5 本文的主要研究内容 |
| 第2章 醋酸精馏过程的建模与仿真 |
| 2.1 醋酸脱水共沸精馏 |
| 2.1.1 共沸精馏的基本原理 |
| 2.1.2 夹带剂的选择 |
| 2.1.3 醋酸-水-醋酸乙酯系统 |
| 2.2 ASPEN软件与流程模拟技术 |
| 2.3 醋酸精馏过程的稳态模拟与研究 |
| 2.3.1 稳态参数的设置及模型的建立 |
| 2.3.2 灵敏板的求取 |
| 2.4 醋酸精馏过程的动态模拟与研究 |
| 2.5 本章小结 |
| 第3章 醋酸精馏产品质量的软测量技术研究 |
| 3.1 醋酸共沸精馏过程的数据采集及处理 |
| 3.1.1 主导变量和辅助变量的选取 |
| 3.1.2 过程数据的采集 |
| 3.1.3 数据预处理 |
| 3.2 改进的支持向量机回归建模方法研究 |
| 3.2.1 线性规划描述的SVR |
| 3.2.2 简化的二次规划描述的SVR |
| 3.2.3 基于叠加模型的SVR |
| 3.3 叠加支持向量机在醋酸脱水共沸精馏中的应用 |
| 3.4 本章小结 |
| 第4章 醋酸精馏产品质量的推断控制策略研究 |
| 4.1 推断控制策略 |
| 4.1.1 推断前馈控制策略 |
| 4.1.2 推断反馈控制策略 |
| 4.2 预测控制策略 |
| 4.2.1 预测控制系统概述 |
| 4.2.2 多步预测模型研究 |
| 4.3 双端多变量预测-推断控制策略 |
| 4.3.1 多变量多步预测模型结构 |
| 4.3.2 预测-推断控制算法研究 |
| 4.3.3 仿真分析 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
| 致谢 |
（10）软测量模型自适应校正与高温场软测量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 软测量的意义 |
| 1.2 软测量研究现状 |
| 1.2.1 在线预测 |
| 1.2.2 过程监测与故障诊断 |
| 1.2.3 传感器故障检测与重构 |
| 1.3 软测量存在的主要问题 |
| 1.4 论文的研究内容及结构安排 |
| 第二章 软测量技术理论框架 |
| 2.1 软测量技术定义及其实现步骤 |
| 2.1.1 软测量技术的定义 |
| 2.1.2 软测量的实现步骤 |
| 2.2 辅助变量的选择 |
| 2.2.1 基于机理分析的方法 |
| 2.2.2 基于相关分析的方法 |
| 2.2.3 基于模型检验的方法 |
| 2.2.4 基于粗糙集的方法 |
| 2.3 数据预处理 |
| 2.3.1 数据误差处理 |
| 2.3.2 数据变换 |
| 2.4 软测量建模 |
| 2.4.1 机理分析建模方法 |
| 2.4.2 数据驱动的建模方法 |
| 2.4.3 混合建模方法 |
| 2.5 软测量模型的校正 |
| 2.5.1 偏差补偿校正 |
| 2.5.2 模型递推校正 |
| 2.5.3 模型重构校正 |
| 2.6 本章小结 |
| 第三章 软测量模型性能评价、监测及其自适应校正方法 |
| 3.1 软测量模型性能评价与监测 |
| 3.1.1 软测量模型性能评价指标的特性要求 |
| 3.1.2 软测量模型性能评价指标的构建 |
| 3.1.3 软测量模型性能监测 |
| 3.2 软测量模型的自适应校正方法 |
| 3.2.1 过程特性渐变时的校正方法—模型递推校正 |
| 3.2.2 过程特性突变时的校正方法—模型重构校正 |
| 3.3 软测量模型性能评价、监测及其自适应校正算法流程 |
| 3.4 连续搅拌釜式反应器软测量仿真实验 |
| 3.4.1 实验设计 |
| 3.4.2 软测量模型性能的评价与监测实验 |
| 3.4.3 过程特性变化分类器的训练 |
| 3.4.4 软测量模型自适应校正实验 |
| 3.5 四效蒸发器软测量仿真实验 |
| 3.6 本章小结 |
| 第四章 基于彩色CCD图像传感器的高温场软测量建模 |
| 4.1 研究的意义和背景 |
| 4.2 基于CCD图像传感器的辐射测温研究现状 |
| 4.3 比色测温及CCD成像原理分析 |
| 4.3.1 比色测温原理 |
| 4.3.2 彩色CCD成像原理 |
| 4.3.3 CCD的光辐射学原理 |
| 4.3.4 传统的CCD比色测温方法的误差分析 |
| 4.4 CCD比色测温机理模型 |
| 4.4.1 比色颜色的选择 |
| 4.4.2 改进的CCD比色测温公式 |
| 4.5 待定参数的辨识 |
| 4.5.1 光谱响应特性系数K~0的辨识 |
| 4.5.2 光谱发射率变化影响因子lnε(λ_α,T)/ε(λ_β,T)的辨识 |
| 4.6 烟雾干扰补偿器的构建 |
| 4.6.1 辐射能量衰减分析 |
| 4.6.2 烟雾干扰区域的识别 |
| 4.6.3 烟雾干扰区测温结果校正算法 |
| 4.7 基于CCD的高温场软测量模型的自适应校正 |
| 4.7.1 过程特性变化情况分析 |
| 4.7.2 光谱发射率变化影响因子的自适应校正 |
| 4.8 本章小结 |
| 第五章 高温辐射图像预处理方法 |
| 5.1 基于干扰源辐射体颜色信息的高温图像目标识别方法 |
| 5.1.1 高温图像目标识别概述 |
| 5.1.2 高温辐射体目标图像干扰源特性分析 |
| 5.1.3 高温辐射体目标图像的分割方法 |
| 5.1.4 图像分割结果的后处理 |
| 5.1.5 高温辐射体目标图像识别流程 |
| 5.1.6 实验研究 |
| 5.2 基于两级模板的CCD图像噪声滤波方法 |
| 5.2.1 CCD图像传感器的噪声分析 |
| 5.2.2 基于两级模板的改进均值滤波算法 |
| 5.2.3 实验研究 |
| 5.3 本章小结 |
| 第六章 基于彩色CCD图像传感器的高温场软测量系统开发 |
| 6.1 基于彩色CCD图像传感器的高温场软测量系统 |
| 6.1.1 硬件平台的构建 |
| 6.1.2 测温软件开发 |
| 6.2 测温系统的标定与光谱响应特性建模 |
| 6.2.1 CCD光谱响应特性系数的标定 |
| 6.2.2 CCD光谱响应特性建模 |
| 6.2.3 标定实验精度分析 |
| 6.3 测温实验及结果分析 |
| 6.3.1 标准黑体辐射源校准实验 |
| 6.3.2 工业炉测温实验 |
| 6.3.3 基于彩色CCD的高温场软测量系统在铜锍闪速熔炼中的应用 |
| 6.4 与类似仪器的比较分析 |
| 6.4.1 国内外类似仪器简介 |
| 6.4.2 基于彩色CCD的高温场软测量系统性能 |
| 6.4.3 与国内外类似仪器的性价比较 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 参考文献 |
| 附录1 高温场测量仪校准证书 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
四、软测量技术及其在某装置萃取塔中的应用（论文参考文献）
- [1]低温乳聚丁苯橡胶软测量模型的研究[D]. 闫金海. 辽宁石油化工大学, 2019(01)
- [2]基于Nonnegative garrote的软测量技术在空气分离装置中的研究与应用[D]. 余旺. 齐鲁工业大学, 2018(05)
- [3]基于案例推理的软测量技术在制浆造纸过程中的应用研究[D]. 张翔宇. 华南理工大学, 2016(01)
- [4]基于模糊神经网络的热电厂脱硫系统建模与控制研究[D]. 于沙家. 青岛科技大学, 2016(08)
- [5]乙烯裂解炉软测量与操作优化研究[D]. 李骋. 北京化工大学, 2015(03)
- [6]常减压蒸馏装置软测量与操作优化研究[D]. 闻嘉. 北京化工大学, 2014(06)
- [7]裂解炉双烯收率优化控制的应用研究[D]. 张力. 北京化工大学, 2013(S2)
- [8]氩氧精炼铁合金喷溅抑制智能控制系统研究[D]. 徐亮. 长春工业大学, 2013(S2)
- [9]醋酸精馏软测量与先进控制研究[D]. 李静. 华东理工大学, 2013(06)
- [10]软测量模型自适应校正与高温场软测量方法研究[D]. 孙元. 中南大学, 2012(12)