一、MPC在重油催化裂化反应-再生系统控制中的应用（论文文献综述）
孙雪婷,王晓霖,陈钢[1]（2022）在《炼油化工的先进控制技术应用进展》文中提出介绍了先进控制技术的概念和流程,重点阐述了炼油化工行业中先进控制技术的应用现状,同时做出简要的综合分析。先进控制技术通过降低能耗与生产成本的方式来提高产能和产量,使生产企业和生产装置发挥出更大的经济价值。目前先进控制技术已经应用在国内很多大型石化企业同时已经取得了可观的经济回报。
楚明辉[2]（2019）在《催化裂化反应-再生系统不确定性控制方法研究》文中进行了进一步梳理流化催化裂化反应-再生（Fluid Catalytic Cracking Reaction-Regeneration,FCCR-RG）系统在工业化工过程中属于不可或缺的环节,尤其是将重质原料油裂解成轻质产品油的炼油厂中。因此,对FCCR-RG系统进行建模和优化控制具有十分重要的意义。然而,由于原料油组成复杂、裂解反应网络庞大、催化剂再生过程复杂等诸多因素,使得系统的建模变得十分困难。同时,由于反应装置的复杂、工业现场中不可避免的各种扰动等因素,对系统的控制器参数整定及优化也变得十分困难。因此,研究FCCR-RG系统建模和控制具有实际现实意义。本文所研究内容主要集中在FCCR-RG系统的建模和优化控制方面,其主要研究内容可归纳为以下几方面:（1）FCCR-RG系统机理模型的研究。本文基于基准假组分对原料油进行重新表述,得到原料油裂解的反应网络,构建提升管机理模型;基于烧焦动力学模型,构建再生器机理模型。通过实际工厂中的数据,对FCCR-RG系统机理模型进行校验,从而得到可以反应真实系统的机理模型,同时也为辨识算法提供可靠的模型。（2）多变量系统区间参数辨识方法的研究。选择FCCR-RG系统中再生器通向提升管的催化剂流量和再生器顶端排出烟气流量为操纵变量,提升管出口端温度和再生器内部压力为被控变量,建立2×2多变量系统。同时,考虑到系统的复杂性和实际生产中存在的各种干扰都会对模型参数辨识带来的影响,提出基于仿射蝙蝠算法的模型参数辨识方法,以误差平方和最小为优化目标函数、FCCR-RG系统模型参数为寻优参数,基于MATLAB平台实现基于仿射蝙蝠算法的模型参数辨识,从而得到多变量系统的参数区间,为控制器设计提供可靠有效的传递函数模型。（3）区间参数单变量系统控制器设计。对于参数不确定模型,首先需要对模型进行分析。考虑到边界模型等效替代法可以有效地减少计算量,因此本文主要基于边界模型等效替代法对参数不确定模型进行讨论。本文从两个方向对参数不确定模型进行控制器参数区间的整定。一是对模型的鲁棒性能进行限定,通过图解法整定出控制器参数的取值区间;二是对模型的抗扰性能进行限定,求解出控制器参数的取值区间。通过对参数不确定单变量系统的讨论,为参数不确定多变量系统的控制器整定提供设计思路。（4）区间参数多变量系统控制器设计。对于反应再生系统中强耦合关系,首先需要对多变量系统进行解耦。考虑到等效开环传递函数（EOTF）方法在解耦的同时,可以很好的适应单变量系统中控制器的整定方法,因此选取EOTF方法对参数不确定多变量系统进行研究。本文针对参数不确定多变量系统提出一种控制器参数区间的图解整定方法,基于EOTF方法和Kharitonov定理通过边界模型对参数不确定多变量系统进行等效替代,同时引入裕度测试器对系统的鲁棒性能进行限制,得到多变量系统控制器参数的取值空间。本文所做工作面向实际化工过程中,为FCCR-RG系统的模型建立提供了理论性依据,也为实际复杂FCCR-RG系统的优化控制提供有效的设计方法。
周键[3]（2019）在《重油催化裂解提升管反应器数值模型的研究》文中认为催化裂解工艺是一种典型的低碳烯烃增产技术,而提升管反应器是目前催化裂解装置应用的主要反应器之一。研究表明,开发合理的反应器数值模型对于反应器的设计、操作和优化是非常必要的,它有助于了解反应机理、预测产品产率和优化操作条件等。然而,以往一些研究为了模型的简便和易于求解,往往会忽视反应器内气固相的非均匀分布,从而与实际情况产生一定的偏差。一个完善的反应器数值模型应该既包含反应动力学模型,同时又考虑反应器内传递过程对反应的影响。基于此,本研究将重油催化裂解十一集总动力学模型与一维轴向流动模型相结合,建立了一维重油催化裂解提升管反应器数值模型。根据选取的流动模型--颗粒夹带模型,将提升管反应器划分为两个反应区:上部稀相区和下部浓相区,分别考察它们对反应的影响;同时,基于催化裂解反应机理及特点建立的重油催化裂解十一集总模型,其反应网络由48个反应组成,除一次裂化反应外还对一些重要的二次反应进行了考察。通过收集到的重油催化裂解中试装置实验数据,采用子模型分步法,选用粒子群优化算法和内点算法相结合的混合算法进行参数拟合,求取了全部反应动力学参数。最终的结果显示各产品组分的预测值与实验值吻合良好,其最大平均绝对误差和相对误差分别为0.95%和8.84%,表明该模型对于提升管反应器出口参数具有较好的预测性,可以用来预测一些操作条件下的产品分布及其性质。此外,可以发现各集总产率在浓相区的变化要远大于稀相区,即反应主要发生在浓相区,稀相区对反应的影响较小。最后,由于该模型是基于实验室小型提升管反应器建立,与工业生产装置仍有很大差别,因此在实际应用中仍需作进一步的改进和优化。
王琳[4]（2019）在《大型流程系统的双层结构预测控制与动态实时优化》文中进行了进一步梳理大型工业系统的全局优化控制通常通过分层递阶的结构将生产中的多目标逐级分解,针对不同时间尺度的优化目标,在各层分别进行研究。实时优化（Real Time Optimization,RTO）层根据计划调度层的排产信息等经济指标,面向全局系统的经济性能,给出满足运行约束的稳态最优点。先进控制（Advanced Process Control,APC）层常采用模型预测控制（Model Predictive Control,MPC）跟踪上层给出的稳态设定点,同时综合处理动态系统运行过程中的扰动与约束。然而实际过程运行中的不同排产计划、原材料价格变化、市场需求波动、对象模型变化等情况,会导致系统工作点频繁变化,使得对象运行过程中的动态经济性能变得不可忽略。传统的稳态优化控制策略缺乏对系统动态过程经济性能的关注,为了提升系统整个运行过程的经济性能,本文设计了动态优化控制策略。上层采用动态实时优化（Dynamic RTO,D-RTO）,下层采用模型预测控制,在此基础上提出基于系统经济性能的事件触发动态实时优化算法,并在一种典型大型流程工业系统中进行了实验。首先,本文在分层递阶控制结构下设计了动态实时优化算法。上层采用经济模型预测控制器,优化出包含一系列可行稳态操作点的动态轨迹,操作点是下层可达的。针对可行稳态点,下层采用带有终端约束的局部模型预测控制器进行跟踪。同时分析了该方法的可行性与稳定性,并通过对连续搅拌釜反应器的仿真实验验证了方法的有效性。其次,针对实际系统中不确定性导致的性能下降和控制不可行的问题,本文提出一种面向双层结构经济运行的事件触发动态实时优化与模型预测控制算法。在上层采用经济模型预测控制对目标函数进行优化,计算出最优参考轨迹并传给下层;下层采用李雅普诺夫模型预测控制器跟踪上层轨迹;通过构建基于经济性能指标的事件触发条件来补偿不确定性造成的系统性能损失。当系统实际性能指标与上层优化的性能指标之差超出阈值时,需要重新求解经济模型预测控制问题,并基于当前状态更新参考轨迹。在此基础上,进一步分析了基于经济性能触发的动态实时优化与模型预测控制结构的可行性和闭环稳定性。对连续搅拌釜反应器的仿真实验验证了方法的有效性。最后,将基于经济性能的事件触发动态实时优化与模型预测控制结构用于工业炼油催化裂化反应再生系统的优化控制,针对模型不确定性参数的变化,在满足系统动态运行过程约束的前提下,提升了经济性能。通过在触发条件中对性能指标设置不同权重,实现了各种性能之间的综合优化。实验表明该算法既能提升系统经济性能,也能根据不同的控制要求权衡各方面性能,最终达到满意的控制效果。
李琦[5]（2018）在《基于新型P-F Am联合安全分析模型的装置危险分析与对策研究》文中指出本论文主要建立和研究了安全工程工艺危险源评估方法——P-F Am联合安全分析模型（Preliminary Hazard Analysis-Failure Modes and Effects Analysis Method,P-F Am）。该模型通过研究预先性危险分析法（Preliminary Hazard Analysis,PHA）和故障类型和影响分析法（Failure Modes and Effects Analysis,FMEA）的分析流程和结果,将这两种安全评估分析方法取长补短,有机结合,建立了基于复杂性大型生产装置重大危险源评价与安全对策联合分析模型。通过对P-F Am联合安全分析模型的分析和深入研究,对重油催化裂化及气体分馏装置危险源安全分析过程进行优化,并将优化结果与PHA分析法和FMEA分析法进行对比,研究了P-F Am联合安全分析模型的优势,证明了其在针对复杂性大型生产装置安全性评价与分析的工作中具有很好的适应性,且具有普遍性和通用性,应予重点推广。本文第一章主要叙述什么是安全工程工艺分析法及其分类,重点介绍了PHA分析法和FMEA分析法,从历史发展、操作原理和过程、方法特点等方面进行了全面阐述,并对文章实际操作设计的大型生产装置的基本情况做了介绍。本文第二章主要研究只使用PHA分析法对重油催化裂化及气体分馏装置安全分析的分析过程及结果,并对分析结果进行了处理和研究,分析了该方法的优点和缺点,为新模型的建立做基础。本文第三章主要研究FMEA分析法及只应用该方法对重油催化裂化及气体分馏装置进行安全分析,并对结果进行分析。然后将所得分析结果与PHA分析结论作比较,阐述了这两种分析方法作用于大型复杂性生产装置的利弊,并提出与第二章PHA分析法结合可以扬长避短的设计理念,具有研究出新的结合性的针对大型复杂性生产装置的安全分析方法的可能。本文第四章主要进行基于PHA分析法和FMEA分析法建立的新型P-F Am联合安全分析模型的使用和数据研究工作。本章对该模型进行了实际应用的系统性的研究,证明了该分析模型对大型复杂性生产装置的安全分析具有很强的针对性,可以将具有高风险的装置的局部组成单独提取出来进一步进行检查,重点筛查效果更高,提出的改进措施也更加精准。具有推广使用的价值。
仲崇琳[6]（2018）在《基于有效能分析的FCC主分馏塔优化控制》文中研究指明随着社会和科技的日益发展,以石化炼厂为代表的现代化工制造业,不仅仅追求产品的产量与质量,更对如何优化输入变量以降低生产过程中的能耗投了越来越多的关注。传统的基于热力学第一定律的能量衡算仅是能量“量”的度量,而无法体现能量“质”的高低,因而不能对生产过程的能量的利用情况做出全面的评判。因此,如何采用更合理的方式评价能量利用状况并通过优化可控输入来减少能量损失,是一个有待研究和解决的问题。有效能（（火用））定义为,在一定基准条件下能量中能够被完全转化为功的那部分能量。可以认为有效能才是化工生产过程中真正可被利用的“有用”能量。在九江石化催化裂化装置（Fluidized Catalytic Cracker Unit,FCCU）分馏系统主分馏塔中,各塔板上的汽化液化反应、各循环回流取热、再沸器冷凝器换热等都会存在有效能的消耗。通过设定基于减小生产过程中有效能损失的目标函数,优化求解得到主分馏塔可控输入的优化设定值以及输出变量值,进而减少有效能消耗提高经济效益,是本文研究的重点。首先,依托九江石化FCCU分馏系统主分馏塔为实际研究背景,本文构造了主分馏塔机理模型。为了提高模型的准确性,本文在建模中加入循环回流、侧线抽出等影响因素;同时通过能量守恒考虑塔板温度分布对模型的影响。得出的主分馏塔各塔板温度也为后面的有效能拟合提供了支持。并通过仿真验证了所建立模型的有效性。其次,本文设定了基于减小有效能损失的稳态优化目标函数,在保证FCC主分馏塔各产品满足其生产指标的前提下,对运行过程中的有效能进行优化,使有效能损失量（目标函数值）尽可能最小。求解得到该工况下各控制输入量（循环回流返塔温度、阀门开度等）的最优设定值。结合实际运行中,因FCC主分馏塔的进料流量和组成可能随原料批次不同而变化的多种操作条件,本文对多工况切换情况下,基于有效能分析的FCC主分馏塔稳态优化问题进行了仿真,对比分析后得出优化前后节约的有效能,验证了优化控制策略的优越性。最后,针对九江石化FCC主分馏塔在工况切换条件下,控制变量稳态最优点发生转移的情况,设置模型预测控制器（MPC）,求解最优控制序列,以实现FCC主分馏塔的动态跟踪控制。并形成RTO-MPC双层结构预测控制,将上层基于有效能优化分析得到的系统输出变量的稳态值传递给下层MPC控制层作为输出变量动态转移的参考设定值。并通过仿真,得出连续多操作条件切换下,控制优化后的九江石化FCCU主分馏塔稳态运行及动态转移过程的有效能损失总和,通过对比分析说明了控制策略的有效性。
高玉梦[7]（2018）在《基于数据驱动的催化裂化反应再生过程建模与优化研究》文中认为对催化裂化反应再生系统建立模型,是实现该生产过程的操作条件优化和增大产物收率的关键问题。当前石化行业生产过程中各种生产数据都能从装置的数据库平台实时采集,使得建立一个基于数据驱动的反应再生系统的智能模型成为当前研究热点问题之一。针对该问题,本文基于催化裂化装置的历史生产数据分别建立了汽油产率关于操作条件的反应再生过程的BP神经网络（BPNN）和支持向量回归机（SVR）模型。对模型进行预测对比和分析,说明了本文所提方法的有效性和可行性。本文主要研究工作内容如下:首先,本文研究了催化裂化反应再生工艺,选取了催化裂化反应再生过程模型的输入输出变量。本文选取汽油产率为输出变量,同时选取提升管第一反应温度、提升管第二反应区温度、剂油比、反应压力和空速这些操作条件为输入变量。分析了优化模型参数采用的人工蜂群算法（ABC）、粒子群算法（PSO）、蚁群算法（ACO）和遗传算法（GA）的基本原理。其次,建立BPNN的催化裂化反应再生系统的模型,以汽油产率为输出变量,操作条件为输入变量。利用ABC、ACO、PSO、GA分别优化BPNN的初始权值和阈值,结果证明经过优化的BPNN模型精确度大大提高。最后,利用SVR建立催化裂化反应再生系统的模型,并且依次使用ABC、ACO、PSO、GA对模型进行参数寻优。与BPNN模型结果对比显示,SVR模型预测误差明显小于BPNN模型误差,精度更高。在建立催化裂化反应再生系统的模型上,针对小样本数据建模,SVR更具有优势。且以基于人工蜂群算法优化的支持向量回归机（ABC-SVR）模型精度最高,性能最好。经过假设检验,验证了ABC-SVR模型的有效性。选取ABC-SVR模型来预测汽油最大产率,并在预测过程中加入以实际生产工艺为约束的人工干扰,将相应工艺约束转换为模型约束来预测汽油最大产率,保障了模型预测结果符合实际生产状况。结果表明:预测的最大汽油产率大于实际生产的最大汽油产率,说明模型的实用性,通过改善操作条件汽油产率还可以提高,为实际生产提供一些指导和参考。
李梦莹[8]（2018）在《催化裂化装置提升管温度分布的滚动时域估计与优化》文中研究指明催化裂化作为一种重要的石油炼制方法,在石油化工厂中有着举足轻重的地位。其中,提升管反应器是发生催化裂化反应的主要设备,是催化裂化装置（Fluid Catalytic Cracking Unit,FCCU）的核心组成部分。提升管反应器的反应温度对反应速度和产品性质都有着巨大影响。反应温度变化,反应速度和生成的产物也随之改变。但是,提升管上的热电偶数量往往有限,只能反映个别测点的温度,无法体现反应全过程的状况和特性。为了实时监控每一处的反应深度、保证生产工艺的安全可靠运行,需要准确地估计沿提升管轴向的温度分布。本文聚焦于FCCU提升管的温度分布,通过设计滚动时域估计器,根据已知测点温度估计提升管整体的温度分布,并在估计器的基础上进一步设计模型预测控制器,从而实现对提升管温度分布的估计与控制。首先,本文对FCCU提升管反应器进行建模。由于FCCU提升管的反应体系十分复杂,本文将众多反应物质划分为五个虚拟组分,分别对每个组分的浓度和反应温度建立动力学模型,建立了提升管的动态模型。接着,为了后续优化和控制,对分布参数（偏微分方程）描述的模型进行有限差分处理,将其变为微分代数形式的模型。最后,实验验证了模型的准确性和可靠性。其次,本文提出基于邻域优化的分布式滚动时域估计算法,用于估计提升管的温度分布。首先将提升管划分为若干个子系统,分别设计各子系统的滚动时域估计器。考虑到子系统之间具有较强的耦合关系,为了提高整体的估计性能,每个子系统估计器在优化时同时考虑到邻居子系统的估计性能,形成了基于邻域优化的分布式滚动时域估计算法。该算法不仅具有较好的整体估计性能,而且计算速度较快。最终,将提出的算法应用于在线估计九江石化FCCU提升管的温度分布,验证了算法的有效性。最后,根据估计的温度分布,本文提出基于反应热修正的模型预测控制算法来控制提升管温度分布,其中温度分布能更全面地体现反应的全过程信息,反应热能体现反应转化率。相比于传统的控制提升管出口温度的方法,控制温度分布是对反应全过程的控制,可以对整个反应过程控制的更为精细。同时,反应热是体现反应转换率的关键工艺量,在控制器的优化指标中加入反应热可以对温度分布进行修正,减小外部干扰的影响,保证产品转化率。所形成的基于反应热修正的模型预测控制算法能够提高产率控制精度,并且该算法可以缩短控制时域,提高算法的实时性。最终,仿真验证了算法的有效性。
王锡磊[9]（2018）在《FCC催化剂定碳量软测量混合建模研究》文中研究说明目前我国主要采用的催化裂化生产技术是流化裂化催化（Fluid Catalytic Cracking,FCC）,实现对FCC中催化剂定碳量的快速精确测量在保证安全稳定的生产环境、提高催化裂化工艺产量和延长催化剂使用寿命等方面有着非常重大的意义。本文在现有催化裂化生产工艺的研究基础上,以增产丙烯的催化裂化工艺（MIP-CGP）的反应-再生装置为研究对象,进行了针对催化剂定碳量的软测量建模工作。提出了FCC催化剂定碳量软测量混合模型建模方法,实现了对FCC中催化剂定碳量快速准确的软测量模型,有效克服了现有的一些软测量建模方法在石油化工业应用中泛化能力不足、鲁棒性较弱的问题。首先,本文提出了一种FCC催化剂定碳量的软测量经验建模算法。为了建立准确的软测量模型,本文结合生产工艺和机理分析辅助选取了软测量模型的主导变量和辅助变量;然后在此基础上建立了改进的连续深度置信网络结构进行数据样本特征的组合选取;最后以启发式算法优化的最小二乘支持向量回归机作为回归层模型进行拟合预测。本文以平均百分比误差和均方误差作为模型测量精度的验证指标。接着,为了进一步提高催化剂定碳量软测量模型的测量精度和泛化能力,本文在经验模型上深入探索,提出了软测量串联型混合模型建模方法。本文在经验模型的基础上对FCC反应-再生系统进行机理分析,建立基于假组分理论的反应-再生系统机理模型,然后通过串联组合的方式实现软测量混合模型建模,实现了对经验模型的测量精度和外推性的有效改善。通过与经验模型进行比较,串联型混合模型在测量性能上有显着的提高。最后,为了提高炼厂数字化水平,配合数字化炼厂的建设,本文针对流化催化裂化反应-再生系统开发了生产数据关键工艺指标监测平台,并在监测平台上实现了FCC催化剂定碳量的软测量功能。生产数据关键工艺指标监测平台采用B/S架构设计,基于.NET框架实现功能开发,具有兼容性好、拓展性强的优点;平台提供了针对生产工艺中关键生产数据的监测功能,并且进行了软测量模型的功能实现,具备为企业生产控制提供数据指导的能力。
周伟[10]（2017）在《催化裂化装置非线性预测控制器的设计与应用》文中研究表明石油化工工业在我国国民经济中占有举足轻重的地位,承担着为我国提供各种能源的重担,对整个农业、工业、交通运输业以及国防科技的发展有着极其重大的影响。同时,由于资源有限,石化行业面临着减少能耗、提高石油资源利用率的挑战。目前,绝大多数石化企业都引入了自动化技术手段,先进的过程控制技术对提高石油化工产量、降低能耗、稳定生产过程有着重要的作用,能够产生明显的经济效益。催化裂化是石油化工过程的重要工艺之一,主要包括原料油催化裂化、催化剂再生、产品分离三个过程,目的是在高温高压的条件下,使得原油和催化剂发生反应,生成一系列轻质油产品。常规的催化裂化装置由三个部分组成,包含反应再生系统、分馏系统以及吸收稳定系统。作为催化裂化的核心部分,反应再生系统（Reaction regeneration system,RRS）将原油经过加工,生成各种各样的轻质油产品。因此,采用先进的科学的RRS控制技术,对于提高催化裂化轻质油产品质量、提高炼油企业的经济效益至关重要。本文的主要研究内容如下:（1）RRS的反应流程以及控制技术。本章首先对RRS的应用现状、面临的问题进行了研究分析,然后介绍了RRS的工艺流程,在分析提高反应再生系统经济方法的基础上,对RRS的各种控制技术进行比较和分析。（2）模型预测控制（Model predictive control,MPC）以及双层模型预测控制（Doublelayed model predictive control,DMPC）对RRS的优化控制。本章对传统经典的模型预测控制进行介绍,并在单层预测控制的基础上,考虑各变量优先级以及约束条件的情况下,引入了多优先级稳态目标计算,形成了DMPC,利用双层预测控制方法实现了对RRS进行优化控制,最后对其优缺点进行了分析。（3）基于粒子群算法的双层预测控制（the double-layered model predictive control based on particle swarm optimization,PSO-DMPC）对RRS的优化控制。本章在DMPC的基础上,为了避免放松操作变量和被控变量约束条件带来的不良影响,采用粒子群算法（Particle swarm optimization,PSO）对DMPC中的经济优化目标函数和动态矩阵控制阶段的目标函数进行求解,并将该控制方法用于对反应再生系统的优化控制,结果表明,基于本方法的RRS能对被控变量和操作变量进行跟踪。（4）基于量子粒子群的双层预测控制对RRS的优化控制。本章针对传统粒子群算法不能保证全局收敛等缺点,提出了基于量子粒子群的双层预测控制（the double-layered model predictive control based on quantum behaved particle swarm optimization,QPSODMPC）,量子粒子群算法（Quantum behaved particle swarm optimization,QPSO）在求解目标函数的过程中能保证全局收敛,且计算速度较快。将本方法用于RRS的优化控制中,并与PSO-DMPC和QGA-DMPC（the double-layered model predictive control based on quantum genetic algorithm,QGA-DMPC）进行对比。结果表明,QPSO-DMPC的控制跟踪效果比同类方法好。（5）基于多目标量子粒子群的双层预测控制对RRS的优化控制。本章在结合工程实际的基本问题上,将多目标考虑在RRS的优化控制中,提出了基于多目标量子粒子群的双层预测控制方法（the double-layered model predictive control based on multi objective quantum behaved particle swarm optimization,MQPSO-DMPC）,在建立RRS的多目标函数的基础上,采用多目标量子粒子群算法（Multi objective quantum behaved particle swarm optimization,MQPSO）对其进行求解,并将求解结果应用到DMPC中,以此完成对RRS的多目标稳态优化控制。结果表明,基于本方法的双层预测控制能对RRS的操作变量和被控变量进行跟踪。
二、MPC在重油催化裂化反应-再生系统控制中的应用（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、MPC在重油催化裂化反应-再生系统控制中的应用（论文提纲范文）
（1）炼油化工的先进控制技术应用进展（论文提纲范文）
| 1 控制技术流程 |
| (1)采集处理过程变量 |
| (2)数学模型建立 |
| (3)先进控制策略 |
| (4)故障检测、预报、诊断和处理 |
| (5)工程化软件及项目开发服务 |
| 2 先进控制技术在炼油化工行业中的应用 |
| 2.1 先进控制在催化重整装置中的应用 |
| 2.1.1 催化重整工艺流程 |
| 2.1.2 催化重整先进控制系统设计 |
| 2.2 先进控制在分子筛脱蜡过程中的应用 |
| 2.2.1 分子筛脱蜡工艺流程 |
| 2.2.2 分子筛脱蜡先进控制系统设计 |
| 2.3 先进控制在重油催化裂化装置中的应用 |
| 2.3.1 重油催化裂化工艺流程 |
| 2.3.2 重油催化裂化先进控制系统设计 |
| 3 结论 |
（2）催化裂化反应-再生系统不确定性控制方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 课题相关领域的发展情况 |
| 1.2.1 FCCR-RG系统的历史和发展 |
| 1.2.2 FCCR-RG系统模型理论研究 |
| 1.2.3 不确定系统的研究 |
| 1.3 本论文的主要研究内容 |
| 第二章 基于基准假组分的反应-再生系统的机理建模 |
| 2.1 引言 |
| 2.2 基于基准假组分的原油特征化方法 |
| 2.3 提升管建模 |
| 2.3.1 裂解反应动力学模型 |
| 2.3.2 提升管稳态模型 |
| 2.4 再生器建模 |
| 2.4.1 烧焦动力学模型 |
| 2.4.2 再生器稳态数学模型 |
| 2.4.3 再生器动态数学模型 |
| 2.5 仿真结果 |
| 2.6 小结 |
| 第三章 FCCR-RG系统的模型参数区间辨识 |
| 3.1 引言 |
| 3.2 FCCR-RG模型参数辨识 |
| 3.2.1 蝙蝠算法 |
| 3.2.2 系统参数辨识 |
| 3.2.3 抗扰性能测试 |
| 3.3 FCCR RG模型参数区间辨识 |
| 3.3.1 仿射算法 |
| 3.3.2 仿射蝙蝠算法 |
| 3.3.3 系统参数区间辨识 |
| 3.4 小结 |
| 第四章 不确定系统的PID控制器参数区间整定方法 |
| 4.1 引言 |
| 4.2 参数不确定系统的描述及稳定性分析 |
| 4.2.1 参数不确定系统的描述 |
| 4.2.2 参数不确定系统的稳定性分析 |
| 4.3 内模PID控制器鲁棒稳定域研究 |
| 4.3.1 内模PID控制结构 |
| 4.3.2 最大灵敏度 |
| 4.3.3 PID控制器部分参数带约束下稳定域的研究 |
| 4.3.4 PID控制器整体参数带约束下稳定域的研究 |
| 4.4 FCCR-RG系统控制器参数区间整定 |
| 4.5 小结 |
| 第五章 不确定系统的PID控制器抗扰参数区间整定方法 |
| 5.1 引言 |
| 5.2 裕度控制器 |
| 5.3 参数不确定系统干扰抑制方法研究 |
| 5.4 参数不确定系统控制器鲁棒抗扰参数区间整定 |
| 5.5 小结 |
| 第六章 多变量不确定系统的PID控制器参数区间整定方法 |
| 6.1 引言 |
| 6.2 等效开环传递函数 |
| 6.3 参数不确定多变量系统鲁棒稳定域研究 |
| 6.4 FCCR-RG系统控制器参数区间整定 |
| 6.5 小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 科研成果及发表的学术论文 |
| 导师与作者简介 |
| 附件 |
（3）重油催化裂解提升管反应器数值模型的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 催化裂解工艺概述 |
| 1.2 提升管反应器研究现状 |
| 1.3 复杂反应动力学模型研究进展 |
| 1.3.1 关联模型 |
| 1.3.2 集总反应动力学模型 |
| 1.3.3 分子尺度反应动力学模型 |
| 1.4 本课题的研究意义和主要研究内容 |
| 1.4.1 本课题的研究意义 |
| 1.4.2 本课题的主要研究内容 |
| 第二章 催化裂解反应动力学模型 |
| 2.1 模型类型的确定 |
| 2.2 催化裂解集总反应动力学模型的建立 |
| 2.2.1 催化裂解反应机理 |
| 2.2.2 集总的划分和反应网络的设计 |
| 2.2.3 集总模型方程的建立 |
| 2.3 本章小结 |
| 第三章 流体流动模型 |
| 3.1 流体流动模型的研究 |
| 3.2 流动模型的确定 |
| 3.3 流动模型参数的求解 |
| 3.4 本章小结 |
| 第四章 数值模型的建立与求解 |
| 4.1 提升管反应器数值模型的建立 |
| 4.2 模型参数的求解 |
| 4.2.1 参数优化方法 |
| 4.2.2 参数拟合策略 |
| 4.2.3 动力学参数拟合结果 |
| 4.3 模型的验证 |
| 4.4 模型参数对比与分析 |
| 4.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（4）大型流程系统的双层结构预测控制与动态实时优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 模型预测控制 |
| 1.2.2 大型流程系统的稳态经济优化及跟踪控制 |
| 1.2.3 大型流程系统的动态经济优化及轨迹跟踪 |
| 1.2.4 炼油生产过程的优化控制 |
| 1.3 本文的主要研究内容与结构 |
| 第二章 动态实时优化与稳态过渡点跟踪 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 动态优化控制算法 |
| 2.3.1 动态实时优化层 |
| 2.3.2 模型预测控制层 |
| 2.3.3 基于经济性能的可行稳态过渡点优化算法 |
| 2.4 仿真算例 |
| 2.5 本章小结 |
| 第三章 基于经济性能的事件触发动态实时优化及轨迹跟踪 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于性能指标的事件触发动态实时优化算法 |
| 3.3.1 动态实时优化层 |
| 3.3.2 模型预测控制层 |
| 3.3.3 事件触发的动态实时优化方法 |
| 3.4 系统性能分析 |
| 3.5 仿真算例 |
| 3.6 本章小结 |
| 第四章 催化裂化反应再生系统的动态实时优化与控制 |
| 4.1 引言 |
| 4.2 催化裂化介绍 |
| 4.2.1 催化裂化工艺发展 |
| 4.2.2 催化裂化反应过程 |
| 4.3 反应再生系统介绍 |
| 4.3.1 前置烧焦罐式高效再生器 |
| 4.3.2 MIP-CGP提升管反应器 |
| 4.3.3 催化裂化反应再生系统模型 |
| 4.4 催化裂化反应再生系统的动态实时优化与控制 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要工作和研究成果 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（5）基于新型P-F Am联合安全分析模型的装置危险分析与对策研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 安全工程工艺分析方法概述 |
| 1.3 PHA分析法 |
| 1.3.1 PHA分析法的发展 |
| 1.3.2 PHA分析法的操作原理与过程 |
| 1.3.3 PHA分析法的特点 |
| 1.4 FMEA分析法 |
| 1.4.1 FMEA分析法的操作原理与过程 |
| 1.4.2 FMEA分析法的特点 |
| 1.5 重油催化裂化及气体分馏装置概述 |
| 1.5.1 重油催化裂化及气体分馏装置的组成 |
| 1.5.2 重油催化裂化及气体分馏装置的特点及反应原理 |
| 1.6 本章小结 |
| 第二章 基于PHA的重油催化裂化及气体分馏装置危险分析与对策研究 |
| 2.1 PHA分析法简介 |
| 2.2 PHA分析法的操作 |
| 2.2.1 计划和准备 |
| 2.2.2 PHA分析过程 |
| 2.3 结果与讨论 |
| 2.3.1 总平面布置安全措施研究 |
| 2.3.2 特种设备安全措施研究 |
| 2.3.3 电气安全措施研究 |
| 2.4 本章小结 |
| 第三章 基于FMEA的重油催化裂化及气体分馏装置危险分析与对策研究 |
| 3.1 FMEA分析法简介 |
| 3.2 FMEA分析法的操作 |
| 3.2.1 FMEA分析法操作基本步骤 |
| 3.2.2 FMEA分析法等级划分 |
| 3.3 结果与讨论 |
| 3.4 本章小结 |
| 第四章 基于P-F Am模型的重油催化裂化及气体分馏装置危险分析与对策研究 |
| 4.1 P-F Am模型的建立基础 |
| 4.2 P-F Am模型的分析研究 |
| 4.2.1 P-F Am模型的综合安全等级划分方法 |
| 4.2.2 P-F Am模型的定量分析研究 |
| 4.2.3 反应再生系统的危险源P-F Am安全分析模型研究 |
| 4.2.4 分馏系统的危险源P-F Am安全分析模型研究 |
| 4.2.5 吸收稳定系统的危险源P-F Am安全分析模型研究 |
| 4.3 P-F Am模型分析结果的分析研究 |
| 4.3.1 P-F Am模型的分析研究 |
| 4.3.2 P-F Am分析模型与PHA 分析方法和FMEA 分析方法的比较研究 |
| 4.4 对策措施研究 |
| 4.4.1 主观不安全因素对策措施研究 |
| 4.4.2 客观不安全因素对策措施研究 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（6）基于有效能分析的FCC主分馏塔优化控制（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 理论基础及研究现状 |
| 1.2.1 FCC主分馏塔 |
| 1.2.2 有效能及有效能分析 |
| 1.2.3 双层结构预测控制 |
| 1.3 本文主要研究内容与论文结构 |
| 第二章 FCC主分馏塔模型构建 |
| 2.1 九江石化催化裂化装置及反应工艺原理概述 |
| 2.2 机理建模推导 |
| 2.2.1 FCC分馏原理 |
| 2.2.2 FCC主分馏塔物料平衡反应机理 |
| 2.2.3 FCC主分馏塔其他机理方程 |
| 2.3 FCC主分馏塔模型 |
| 2.3.1 控制变量选取 |
| 2.3.2 FCC主分馏塔机理模型 |
| 2.3.3 FCC主分馏塔仿真结果 |
| 2.4 本章小结 |
| 第三章 多工况下FCC主分馏塔基于有效能的稳态优化 |
| 3.1 引言 |
| 3.2 有效能及有效能分析 |
| 3.2.1 有效能与换热网络 |
| 3.2.2 FCC主分馏塔有效能拟合 |
| 3.3 优化问题描述 |
| 3.3.1 优化问题概述 |
| 3.3.2 优化目标函数 |
| 3.3.3 控制优化算法 |
| 3.4 仿真验证 |
| 3.4.1 两种操作条件切换稳态优化仿真 |
| 3.4.2 多操作条件切换稳态优化仿真 |
| 3.5 本章小结 |
| 第四章 基于有效能分析的FCC主分馏塔双层结构预测控制 |
| 4.1 引言 |
| 4.2 基于有效能分析的FCC主分馏塔双层结构预测控制 |
| 4.2.1 FCC主分馏塔模型线性化 |
| 4.2.2 FCC主分馏塔动态优化控制 |
| 4.2.3 基于有效能分析的FCC主分馏塔双层结构预测控制 |
| 4.3 仿真验证 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文的研究内容 |
| 5.2 未来工作展望 |
| 参考文献 |
| 附录1 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
| 攻读硕士学位期间参与的项目 |
（7）基于数据驱动的催化裂化反应再生过程建模与优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的学术背景及研究意义 |
| 1.2 催化裂化反应再生装置简介 |
| 1.3 催化裂化反应再生系统模型的国内外研究现状分析 |
| 1.4 基于数据驱动建模技术 |
| 1.5 本课题研究的主要内容及章节安排 |
| 1.6 本章小结 |
| 2 群智能算法基本理论知识和模型输入变量的选取 |
| 2.1 人工蜂群算法 |
| 2.1.1 自然界中的蜂群行为 |
| 2.1.2 人工蜂群算法基本原理 |
| 2.2 蚁群算法 |
| 2.2.1 蚁群算法基本原理 |
| 2.2.2 蚁群算法步骤 |
| 2.3 粒子群算法 |
| 2.3.1 粒子群算法基本原理 |
| 2.3.2 粒子群算法步骤 |
| 2.4 遗传算法 |
| 2.4.1 遗传算法基本原理 |
| 2.4.2 遗传算法步骤 |
| 2.5 催化裂化反应再生系统变量分析和选取 |
| 2.5.1 变量分析 |
| 2.5.2 变量选取 |
| 2.6 本章小结 |
| 3 催化裂化反应再生系统的优化BP神经网络模型 |
| 3.1 BP神经网络 |
| 3.2 基于BP神经网络的催化裂化反应再生系统的建模 |
| 3.2.1 数据归一化 |
| 3.2.2 BP神经网络结构的确定 |
| 3.2.3 传递函数的选取 |
| 3.3 催化裂化反应再生系统BP神经网络模型的优化 |
| 3.3.1 选择适应度函数 |
| 3.3.2 模型评价指标 |
| 3.3.3 基于四种智能算法的BP神经网络算法流程及仿真结果分析 |
| 3.4 本章小结 |
| 4 催化裂化反应再生系统的优化支持向量回归机模型 |
| 4.1 支持向量机理论 |
| 4.1.1 一般支持向量机 |
| 4.1.2 非线性支持向量机 |
| 4.2 支持向量回归机原理 |
| 4.2.1 线型支持向量回归机 |
| 4.2.2 非线型支持向量回归机 |
| 4.3 基于群智能算法的支持向量回归机模型参数的优化 |
| 4.3.1 支持向量回归机模型参数 |
| 4.3.2 支持向量回归机模型参数优化算法流程与仿真结果分析 |
| 4.4 优化的支持向量回归机模型与BP神经网络模型性能比较 |
| 4.5 支持向量回归机模型的假设检验 |
| 4.6 支持向量回归机模型预测汽油最大产率 |
| 4.7 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
（8）催化裂化装置提升管温度分布的滚动时域估计与优化（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 国内外研究现状 |
| 1.2.1 FCCU提升管模型的研究 |
| 1.2.2 滚动时域估计算法的发展和应用 |
| 1.2.3 模型预测控制技术的发展和应用 |
| 1.3 本文主要研究内容与论文结构 |
| 第二章 FCCU提升管的机理建模 |
| 2.1 引言 |
| 2.2 FCCU提升管的数学模型 |
| 2.3 模型的有限差分变换 |
| 2.4 实验验证 |
| 2.5 本章小结 |
| 第三章 FCCU提升管温度分布的滚动时域估计 |
| 3.1 引言 |
| 3.2 提升管子系统的微分代数模型 |
| 3.3 基于邻域优化的分布式滚动时域估计算法 |
| 3.4 仿真验证 |
| 3.5 实验结果 |
| 3.6 本章小结 |
| 第四章 FCCU提升管温度分布的预测控制 |
| 4.1 引言 |
| 4.2 提升管温度的控制框架描述 |
| 4.3 基于反应热修正的模型预测控制算法 |
| 4.3.1 提升管系统的微分代数模型 |
| 4.3.2 基于反应热修正的模型预测控制算法设计 |
| 4.4 仿真验证 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要工作和研究成果 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（9）FCC催化剂定碳量软测量混合建模研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 流化催化裂化技术 |
| 1.2.2 软测量技术研究与应用 |
| 1.3 本文研究内容 |
| 第二章 流化催化裂化生产工艺 |
| 2.1 引言 |
| 2.2 FCC生产装置基本结构 |
| 2.3 FCC反应-再生系统及生产工艺 |
| 2.4 催化裂化反应机理分析 |
| 2.5 本章小结 |
| 第三章 FCC催化剂定碳量软测量经验建模 |
| 3.1 引言 |
| 3.1.1 软测量变量选取及数据样本预处理 |
| 3.1.2 软测量模型性能评价指标体系 |
| 3.2 基于改进的最小二乘支持向量回归机的软测量建模 |
| 3.2.1 最小二乘支持向量回归机算法 |
| 3.2.2 改进的LSSVR算法 |
| 3.2.3 验证与分析 |
| 3.3 基于深度置信网络的软测量建模 |
| 3.3.1 深度置信网络模型 |
| 3.3.2 二值型深度置信网络 |
| 3.3.3 连续型深度置信网络 |
| 3.3.4 验证与分析 |
| 3.4 软测量经验模型建模 |
| 3.4.1 算法描述 |
| 3.4.2 模型仿真及分析 |
| 3.5 本章小结 |
| 3.5.1 研究创新小结 |
| 3.5.2 研究内容小结 |
| 第四章 FCC催化剂定碳量软测量混合建模 |
| 4.1 引言 |
| 4.2 基于假组分理论FCC提升管机理建模 |
| 4.3 并联型软测量混合模型建模 |
| 4.4 串联型软测量混合模型建模 |
| 4.5 软测量混合模型验证与分析 |
| 4.6 本章小节 |
| 4.6.1 研究创新小结 |
| 4.6.2 研究内容小结 |
| 第五章 FCC生产数据关键工艺指标监测平台应用 |
| 5.1 引言 |
| 5.2 功能需求分析 |
| 5.3 监测平台架构设计与功能开发 |
| 5.3.1 监测平台软件架构 |
| 5.3.2 KPI监测界面设计 |
| 5.3.3 在线数据显示功能 |
| 5.3.4 历史数据显示功能 |
| 5.3.5 监测平台上FCC定碳量软测量模型的功能实现 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间成果 |
| 攻读硕士学位期间获奖情况 |
（10）催化裂化装置非线性预测控制器的设计与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 催化裂化过程介绍 |
| 1.2.1 国内外催化裂化应用现状 |
| 1.2.2 催化裂化装置提高经济效益的方法 |
| 1.2.3 RRS 简介及工艺流程 |
| 1.3 反应再生系统过程控制的研究现状 |
| 1.4 本文主要研究内容 |
| 2 DMPC |
| 2.1 引言 |
| 2.2 模型预测控制的基本结构 |
| 2.2.1 模型预测 |
| 2.2.2 滚动优化 |
| 2.2.3 反馈校正 |
| 2.3 模型预测控制实验仿真 |
| 2.4 DMPC |
| 2.4.1 DMPC开环预测模块 |
| 2.4.2 DMPC稳态目标计算模块 |
| 2.4.3 DMPC动态矩阵控制模块 |
| 2.5 DMPC对RRS的仿真 |
| 2.6 本章小结 |
| 3 PSO-DMPC |
| 3.1 引言 |
| 3.2 粒子群算法 |
| 3.2.1 PSO基本原理 |
| 3.2.2 基本PSO算法步骤 |
| 3.2.3 实验仿真 |
| 3.2.4 PSO算法中参数分析 |
| 3.3 PSO-DMPC |
| 3.3.1 PSO-MPC |
| 3.3.2 PSO-DMPC算法流程 |
| 3.3.3 实验仿真 |
| 3.4 本章小结 |
| 4 QPSO-DMPC |
| 4.1 引言 |
| 4.2 QPSO算法 |
| 4.2.1 QPSO算法简介 |
| 4.2.2 QPSO算法收敛性分析 |
| 4.2.3 实验仿真 |
| 4.3 QPSO-DMPC |
| 4.4 QPSO-DMPC算法流程 |
| 4.5 实验仿真及对比 |
| 4.6 本章小结 |
| 5 MQPSO-DMPC |
| 5.1 引言 |
| 5.2 基于 QPSO 的多目标搜索算法 |
| 5.2.1 基于高斯变异的MQPSO算法 |
| 5.2.2 基于拥挤距离的外部存储器更新策略 |
| 5.2.3 领导粒子选择机制 |
| 5.3 基于高斯变异的MQPSO实验研究 |
| 5.4 MQPSO-DMPC |
| 5.4.1 多目标优化在模型预测控制中的应用 |
| 5.4.2 MQPSO-DMPC 算法流程 |
| 5.5 实验仿真 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读学位期间发表的论着及取得的科研成果 |
四、MPC在重油催化裂化反应-再生系统控制中的应用（论文参考文献）
- [1]炼油化工的先进控制技术应用进展[J]. 孙雪婷,王晓霖,陈钢. 现代化工, 2022(01)
- [2]催化裂化反应-再生系统不确定性控制方法研究[D]. 楚明辉. 北京化工大学, 2019(01)
- [3]重油催化裂解提升管反应器数值模型的研究[D]. 周键. 中国石油大学(华东), 2019(09)
- [4]大型流程系统的双层结构预测控制与动态实时优化[D]. 王琳. 上海交通大学, 2019(06)
- [5]基于新型P-F Am联合安全分析模型的装置危险分析与对策研究[D]. 李琦. 中国石油大学(华东), 2018(09)
- [6]基于有效能分析的FCC主分馏塔优化控制[D]. 仲崇琳. 上海交通大学, 2018(01)
- [7]基于数据驱动的催化裂化反应再生过程建模与优化研究[D]. 高玉梦. 中国计量大学, 2018(01)
- [8]催化裂化装置提升管温度分布的滚动时域估计与优化[D]. 李梦莹. 上海交通大学, 2018(01)
- [9]FCC催化剂定碳量软测量混合建模研究[D]. 王锡磊. 上海交通大学, 2018(01)
- [10]催化裂化装置非线性预测控制器的设计与应用[D]. 周伟. 重庆科技学院, 2017(11)