| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 论文中使用符号说明 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 糖厂澄清工段参数优化现状 | 第12-14页 |
| 1.2.1 澄清工段的特点 | 第12页 |
| 1.2.2 澄清工段参数优化研究现状 | 第12-14页 |
| 1.3 澄清工段建模现状及改进 | 第14-15页 |
| 1.3.1 澄清工段的机理建模 | 第14页 |
| 1.3.2 澄清工段的人工智能建模 | 第14-15页 |
| 1.4 本文的内容和安排 | 第15-16页 |
| 第二章 澄清工段工艺流程及优化框架 | 第16-20页 |
| 2.1 澄清工段工艺流程 | 第16-17页 |
| 2.2 澄清工段重要参数作用机理分析 | 第17页 |
| 2.3 澄清工段优化框架 | 第17-19页 |
| 2.3.1 优化设定过程分析 | 第18页 |
| 2.3.2 工况评价模型 | 第18-19页 |
| 2.3.3 协调策略 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 澄清工段生产指标预测模型 | 第20-33页 |
| 3.1 工业生产过程中系统辨识 | 第20-21页 |
| 3.1.1 机理模型的辨识 | 第20页 |
| 3.1.2 神经网络的辨识 | 第20-21页 |
| 3.1.3 模糊模型的辨识 | 第21页 |
| 3.2 回声状态网络 | 第21-27页 |
| 3.2.1 回声状态网络的数学模型 | 第21-25页 |
| 3.2.2 ESN网络的非线性学习能力 | 第25-27页 |
| 3.3 KF_ESN网络 | 第27-29页 |
| 3.3.1 卡尔曼滤波算法 | 第27-28页 |
| 3.3.2 KF_ESN网络的在线学习算法 | 第28-29页 |
| 3.4 KF_ESN网络在澄清工段中的应用 | 第29-32页 |
| 3.4.1 基于KF_ESN网络的糖厂澄清工段的模型 | 第29页 |
| 3.4.2 基于KF_ESN网络的糖厂澄清工段应用结果 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 案例推理与智能算法在澄清工段的应用 | 第33-50页 |
| 4.1 案例推理 | 第33-34页 |
| 4.2 案例推理需要解决的问题 | 第34-36页 |
| 4.3 澄清工段案例推理的实现 | 第36-42页 |
| 4.3.1 澄清案例的表示 | 第37-38页 |
| 4.3.2 建立初始的澄清工段案例库 | 第38-39页 |
| 4.3.3 案例的检索和重用 | 第39-41页 |
| 4.3.4 案例评价 | 第41页 |
| 4.3.5 案例修正 | 第41-42页 |
| 4.3.6 案例存储 | 第42页 |
| 4.4 遗传算法 | 第42-45页 |
| 4.4.1 遗传算法原理 | 第42-43页 |
| 4.4.2 遗传算法优化设定值的应用 | 第43-45页 |
| 4.5 澄清工段CBR运行实验 | 第45-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 CBR系统软件的设计与开发 | 第50-59页 |
| 5.1 澄清工段优化设定系统结构 | 第50页 |
| 5.2 OPC服务器 | 第50-53页 |
| 5.3 澄清工段优化设定软件的实现 | 第53-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |