第1章 智能制造背景與基本內容 1
1.1 智能制造的產生與發(fā)展 1
1.2 智能制造的基本內容與體系基礎及架構 4
1.3 智能制造的關鍵信息技術 6
1.4 數(shù)據(jù)驅動下的企業(yè)管理與運行 9
1.5 化學工業(yè)智能制造現(xiàn)狀及面臨的挑戰(zhàn) 10
本章小結 18
思考題 18
參考文獻 18

第2章 工業(yè)大數(shù)據(jù)與數(shù)據(jù)挖掘 21
2.1 數(shù)據(jù)挖掘概述 21
2.1.1　數(shù)據(jù)挖掘過程 22
2.1.2　基本數(shù)據(jù)類型 23
2.2 工業(yè)大數(shù)據(jù)及其特點 26
2.2.1　流程工業(yè) 27
2.2.2　能源工業(yè) 28
2.2.3　制藥工業(yè) 28
2.3 數(shù)據(jù)特征提取與清洗 29
2.3.1　數(shù)據(jù)特征提取 30
2.3.2　數(shù)據(jù)清洗 33
2.4 數(shù)據(jù)簡化轉換與預分析 35
2.4.1　數(shù)據(jù)的簡化與轉換 35
2.4.2　相似性與距離分析 41
2.4.3　聚類分析 46
2.4.4　異常值分析 49
2.5　應用示例：玉米淀粉食品工業(yè)數(shù)據(jù)處理 54
本章小結 57
思考題 57
參考文獻 58

第3章 機器學習在智能化工中的應用 61
3.1　機器學習概述 61
3.2　監(jiān)督式與無監(jiān)督學習 67
3.3　決策樹方法 68
3.3.1　劃分選擇 69
3.3.2　剪枝 70
3.3.3　連續(xù)與缺失值 70
3.3.4　多變量決策樹 72
3.3.5　決策樹算例：藥物合成中有機分子購買必要性的預測 72
3.4　支持向量機 75
3.4.1　支持向量機定義與分類 75
3.4.2　分割超平面 76
3.4.3　SVM 求解原理 76
3.4.4　間隔和支持向量 77
3.4.5　對偶問題 78
3.4.6　核函數(shù) 80
3.4.7　軟間隔與正則化 82
3.4.8　支持向量機的優(yōu)缺點 85
3.4.9　算例 85
3.5　人工神經網(wǎng)絡 88
3.5.1　人工神經網(wǎng)絡概述 88
3.5.2　神經元 89
3.5.3　神經網(wǎng)絡結構 90
3.5.4　感知機與多層網(wǎng)絡/ 多層前饋神經網(wǎng)絡 91
3.5.5　誤差反向傳播算法 93
3.5.6　全局最小與局部極小 95
3.5.7　其他常見神經網(wǎng)絡 96
3.6　貝葉斯神經網(wǎng)絡 98
3.6.1　概率圖模型概述 99
3.6.2　頻率派與貝葉斯學派 99
3.6.3　貝葉斯定理 100
3.6.4　貝葉斯神經網(wǎng)絡 102
3.6.5　貝葉斯神經網(wǎng)絡的用途 104
3.6.6　樸素貝葉斯 105
3.6.7　算例 106
3.7　應用示例：反應溶劑與聚合物設計 107
3.7.1　反應溶劑設計 107
3.7.2　聚合物設計 120
本章小結 129
思考題 129
參考文獻 129

第4章 智能優(yōu)化與化工過程綜合 133
4.1　智能優(yōu)化算法概述 133
4.2　遺傳算法 134
4.2.1　遺傳算法的基本思想和流程 135
4.2.2　遺傳算法的收斂性分析 136
4.2.3　遺傳算法參數(shù)和操作的設計 136
4.3　蟻群算法 138
4.3.1　蟻群算法的基本原理 138
4.3.2　蟻群算法的收斂性分析 140
4.3.3　蟻群算法參數(shù)和操作的設計 141
4.4　模擬退火算法 143
4.4.1　模擬退火算法的基本思想和流程 143
4.4.2　模擬退火算法的收斂性分析 145
4.4.3　模擬退火算法參數(shù)和操作的設計 146
4.4.4　并行模擬退火算法 147
4.4.5　模擬退火遺傳混合算法 147
4.5　禁忌搜索算法 151
4.5.1　禁忌搜索算法的基本思想和流程 151
4.5.2　禁忌搜索算法的收斂性分析 152
4.5.3　禁忌搜索算法參數(shù)和操作的設計 154
4.6　應用示例：化工網(wǎng)絡綜合 156
4.6.1　功熱交換網(wǎng)絡綜合 156
4.6.2　單組分體系質熱交換網(wǎng)絡綜合 161
4.6.3　換熱器網(wǎng)絡綜合 166
本章小結 174
思考題 174
參考文獻 175

第5章 先進及智能控制系統(tǒng) 177
5.1　過程控制系統(tǒng)概述 177
5.1.1　過程控制系統(tǒng)的由來 177
5.1.2　過程控制系統(tǒng)特點 178
5.1.3　過程控制系統(tǒng)結構 179
5.1.4　過程控制系統(tǒng)的性能指標 183
5.1.5　過程控制策略 185
5.1.6　過程控制系統(tǒng)的要求和任務 187
5.2　自適應控制系統(tǒng) 191
5.2.1　自適應控制概述 191
5.2.2　模型參考自適應控制 194
5.2.3　自校正控制 197
5.3　模型預測控制 200
5.3.1　模型預測控制概述 200
5.3.2　模型預測控制基本原理 201
5.3.3　動態(tài)矩陣控制理論 203
5.4　網(wǎng)絡控制系統(tǒng) 209
5.4.1　網(wǎng)絡控制系統(tǒng)的一般原理與結構 210
5.4.2　網(wǎng)絡控制系統(tǒng)的特點與影響因素 211
5.4.3　集散控制系統(tǒng) 212
5.5　智能控制系統(tǒng) 213
5.5.1　智能控制系統(tǒng)的特點與評價準則 214
5.5.2　智能控制系統(tǒng)的分類 214
5.5.3　復合智能控制系統(tǒng) 215
5.6　質量控制 216
5.6.1　質量波動 218
5.6.2　生產過程的質量狀態(tài) 218
5.6.3　控制圖 220
5.6.4　過程能力 222
5.7　應用示例：精餾塔和萃取精餾控制 224
5.7.1　精餾塔控制 224
5.7.2　萃取精餾流程控制 229
本章小結 233
思考題 233
參考文獻 234

第6章 藥物和精細化學品的智能制造 237
6.1　藥物和精細化學品的分子設計原理 237
6.1.1　計算機輔助分子設計 237
6.1.2　計算機輔助藥物設計 239
6.1.3　人工智能在藥物設計中的應用 241
6.2　配方產品的智能設計 245
6.2.1　配方的最優(yōu)化設計原理 246
6.2.2　計算機輔助配方設計 248
6.2.3　人工神經網(wǎng)絡在藥物配方設計中的應用 250
6.3　工藝過程智能優(yōu)化和設計 253
6.3.1　高通量自動化篩選技術 253
6.3.2　微通道反應技術 260
6.3.3　機器學習在工藝智能優(yōu)化中的應用 266
6.4　工業(yè)4.0 背景下藥物智能制造 270
6.4.1　在線分析與過程控制 272
6.4.2　物料追蹤與狀態(tài)監(jiān)測 278
6.4.3　信息管理與系統(tǒng)集成 279
6.4.4　在線優(yōu)化與智慧工廠 280
6.5　應用示例：藥物和精細化學品的智能制造 283
6.5.1　基于連續(xù)流技術的智能平臺 283
6.5.2　機器人自動化多樣合成平臺 285
6.5.3　機器學習自動化有機合成 290
本章小結 292
思考題 292
參考文獻 292

第7章 化工安全生產智慧化管理 297
7.1　“互聯(lián)網(wǎng)+ �；�安全生產”總體建設方案 297
7.1.1　應用場景 298
7.1.2　工業(yè)APP 303
7.1.3　工業(yè)機理模型 305
7.2　�；�企業(yè)安全風險智能化管控平臺架構 306
7.3　�；�企業(yè)安全風險管控應用服務數(shù)字化建設 310
7.3.1　危險化學品企業(yè)雙重預防機制 311
7.3.2　特殊作業(yè)許可與作業(yè)過程管理系統(tǒng) 320
7.3.3　智能巡檢系統(tǒng) 323
7.3.4　人員定位系統(tǒng) 326
7.4　智能化設備全生命周期管理技術 328
7.4.1　設備全生命周期管理系統(tǒng)功能 329
7.4.2　設備資產完整性管理數(shù)字化平臺設計與應用 332
7.5　應用示例：智能工廠建設與HSE管理智能化建設 335
7.5.1　智能工廠建設 335
7.5.2　HSE 管理智能化建設 338
本章小結 341
思考題 341
參考文獻 342