文摘
英文文摘
第一章绪论
1.1智能控制的基本概念
1.2智能控制系统的基本结构
1.3智能控制系统的类型
1.4本文工作主要内容
第二章回归神经网络结构及算法
2.1回归神经网络拓扑结构分析
2.1.1国际上现有的回归神经网络模型
2.1.2基于化工过程的回归神经网络
2.2回归神经网络学习算法
2.2.1网络训练机制
2.2.2误差反向传播(BP)算法
2.2.3改进的BP算法
2.3训练样本的选取和预处理
2.4网络权值的初始化和调整
2.5回归神经网络的应用研究
2.5.1连续搅拌釜反应器CSTR
2.5.2CSTR神经网络模型化和模拟
2.5.3苯酐实际生产反应过程应用实践
2.6小结
第三章神经网络非线性控制系统研究
3.1引言
3.2神经网络控制方法
3.3神经网络控制器结构与算法
3.4神经网络控制器输入参数的选择
3.5程序实现
3.6连续搅拌釜反应器CSTR的智能控制应用研究
3.7小结
第四章化工过程Benchmark对象的智能控制
4.1 Tennessee Eastman Problem研究的背景
4.2 TE对象的介绍
4.2.1过程描述
4.2.2控制目标
4.2.3过程限制
4.2.4产品和入料流的变化要求
4.2.5动态特性测试和比较
4.2.6过程优化
4.2.7潜在的应用
4.3对象的程序描述及子程序的使用
4.4对象分析和控制回路设计
4.5针对该对象的神经网络控制器设计与实现
4.6控制结果与分析
4.7 小结
第五章总结
参考文献
致谢