声明
摘要
第一章 前言
1.1 研究背景和意义
1.2 相关技术综述
1.2.1 卷积神经网络模型
1.2.2 关联变量的时滞分析
1.2.3 模型预测控制方法
1.3 内容及章节安排
第二章 基于关联变量时滞分析的卷积神经网络预测模型
2.1 引言
2.2 关联变量的时滞分析
2.3 卷积神经网络算法
2.3.1 卷积层
2.3.2 pooling层
2.3.3 全连接层
2.3.4 损失函数
2.3.5 激活函数
2.4 卷积神经网络预测模型
2.5 实例研究
2.5.1 Y-Y模型
2.5.2 U-Y模型
2.5.3 U-E模型
2.5.4 UY-Y模型
2.5.5 结果分析
2.6 本章小结
第三章 基于卷积神经网络模型的预测控制方法
3.1 引言
3.2 基于卷积神经网络模型的预测控制结构
3.2.1 参考轨迹
3.2.2 预测模型
3.2.3 滚动优化
3.2.4 反馈校正
3.2.5 基于卷积神经网络预测控制结构
3.3 粒子群优化方法
3.3.1 有约束多目标优化问题
3.3.2 常见优化算法
3.3.3 粒子群优化方法
3.4 预测控制算法及其实现
3.5 本章小结
第四章 应用研究
4.1 引言
4.2 反应精馏过程
4.3 基于CNN的反应精馏过程预测模型
4.3.1 预测模型输入输出选取
4.3.2 CNN预测模型
4.4 预测控制实现
4.4.1 粒子群算法滚动优化与反馈校正
4.4.2 算法实时性分析
4.5 本章小结
第五章 结论与展望
参考文献
致谢
研究成果及发表的学术论文
作者及导师简介
北京化工大学;