先進控制系統(tǒng)應用與維護

前言
第1章 概述
1.1 先進過程控制
1.2 小波分析及其應用
1.3 系統(tǒng)辨識
1.4 人工神經網絡及其應用
1.5 統(tǒng)計過程建模
1.6 多變量統(tǒng)計過程控制
1.7 軟測量技術
1.8 在線優(yōu)化
1.9 先進控制系統(tǒng)的應用與維護
第2章 小波變換用于數據處理
2.1 傅里葉變換
2.2 小波變換
2.3 一維連續(xù)小波變換
2.4 一維離散小波變換
2.5 多分辨率分析
2.6 一維Mallat算法
2.7 提升小波變換
2.8 幾種常用的小波基函數
2.9 小波變換在信號處理中的應用
思考題
第3章 系統(tǒng)辨識技術
3.1 系統(tǒng)辨識建模
3.2 增廣最小二乘法
3.3 多變量系統(tǒng)辨識
3.4 閉環(huán)系統(tǒng)辨識
3.5 傳遞函數模型辨識
思考題
第4章 人工神經網絡理論及其在建模和控制中的應用
4.1 概述
4.2 BP神經網絡及其應用
4.3 RBF神經網絡及其應用
4.4 采用雙模型結構改善軟儀表性能
4.5 B樣條神經網絡
4.6 用支持向量機構建軟儀表
4.7 用神經網絡建立動態(tài)軟儀表模型
4.8 用RBF神經網絡建立控制用的動態(tài)模型
4.9 基于RBFNN的非線性神經網絡內模控制
思考題
第5章 多變量統(tǒng)計建模方法及其在軟測量中的應用
5.1 相關分析
5.2 多元線性回歸分析
5.3 多元逐步回歸方法
5.4 主元分析法
5.5 部分最小二乘法
5.6 基于Chebyshev多項式的部分最小二乘法
5.7 五種建模方法應用示例比較
5.8 基于核函數的建模方法與應用示例
思考題
第6章 多變量統(tǒng)計過程控制的應用
6.1 概述
6.2 單變量統(tǒng)計過程控制
6.3 多變量統(tǒng)計過程監(jiān)控
6.4 多尺度主元分析的多元統(tǒng)計過程監(jiān)控
6.5 遞推PCA的多元統(tǒng)計過程監(jiān)控
6.6 多PCA模型的多元統(tǒng)計過程監(jiān)控
6.7 多元統(tǒng)計過程監(jiān)控的發(fā)展
6.8 用PCA—RBFlN建立可偵破故障的反應器自校正模型
思考題
第7章 魯棒內?？刂萍捌鋺?br /> 7.1 概述
7.2 魯棒控制
7.3 內模控制
7.4 模型不確定性界和IMC設計及其魯棒性能
7.5 IMC—PID控制
7.6 IMC—PID軟件包
7.7 多變量系統(tǒng)解耦內?？刂?br /> 7.8 模型PID控制
思考題
第8章 預測控制
8.1 概述
8.2 預測控制
8.3 廣義預測控制
8.4 廣義預測控制快速算法
8.5 多變量單值預測控制
8.6 廣義預測一PID串級控制
8.7 時滯多變量連續(xù)時間廣義預測控制
8.8 基于差分方程的單變量預測函數控制
8.9 基于NLJ優(yōu)化算法的多變量約束預測函數控制
8.10 多變量協(xié)調預測控制及其應用
思考題
第9章 模糊控制理論與應用
9.1 概述
9.2 模糊控制原理
9.3 模糊控制器的設計
9.4 自適應模糊控制器
9.5 常壓塔塔底液位非線性控制
9.6 塔底液位非線性區(qū)域控制
9.7 自適應塔底液位非線性區(qū)域控制
9.8 模糊自適應調整內模控制濾波器時間常數
9.9 基于FCMA算法的自學習粗糙——模糊控制器
思考題
第10章 優(yōu)化算法在軟測量和在線優(yōu)化中的應用
10.1 概述
10.2 遺傳算法
10.3 粒子群優(yōu)化算法
10.4 蟻群優(yōu)化算法
10.5 NLJ優(yōu)化算法
10.6 復合形優(yōu)化算法
10.7 過程在線優(yōu)化控制
思考題
第11章 先進控制系統(tǒng)的應用
11.1 常減壓蒸餾裝置的先進控制
11.2 催化裂化生產過程控制
11.3 催化重整生產過程控制
11.4 延遲焦化生產過程控制
11.5 精餾過程的先進控制
11.6 乙烯裂解裝置的先進控制方案
11.7 聚丙烯裝置的先進控制方案
11.8 芳烴裝置上的APC應用
思考題
第12章 先進控制系統(tǒng)的實施與維護
12.1 概述
12.2 RMPCT先進控制在催化裂化裝置上的實施
12.3 APC性能的評價
12.4 控制系統(tǒng)的維護
思考題
附錄A F分布表和t分布表
參考文獻