| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-19页 |
| ·课题的研究背景及意义 | 第9页 |
| ·间歇过程反应釜控制系统概述 | 第9-11页 |
| ·间歇过程反应釜控制系统的发展背景及研究现状 | 第9-11页 |
| ·间歇过程反应釜控制系统的特点 | 第11页 |
| ·软测量技术概述 | 第11-14页 |
| ·软测量建模方法概述 | 第11-13页 |
| ·软测量建模步骤 | 第13-14页 |
| ·迭代学习控制概述 | 第14-16页 |
| ·迭代学习控制发展概述 | 第14页 |
| ·迭代学习控制的研究现状 | 第14-16页 |
| ·本文研究内容与章节安排 | 第16-19页 |
| 2 测量数据的预处理技术研究 | 第19-37页 |
| ·引言 | 第19页 |
| ·基于OPC技术的数据采集系统 | 第19-24页 |
| ·OPC技术概述 | 第19-20页 |
| ·基于Matlab与WinCC通讯OPC数据采集系统 | 第20-24页 |
| ·异常数据剔除预处理 | 第24-25页 |
| ·数据归一化预处理 | 第25-27页 |
| ·数字滤波小波处理 | 第27-30页 |
| ·小波滤波概述 | 第27页 |
| ·小波滤波基本原理 | 第27-28页 |
| ·小波滤波应用实例 | 第28-30页 |
| ·主因子分析 | 第30-36页 |
| ·主因子分析概述 | 第30-32页 |
| ·主元分析算法步骤 | 第32-33页 |
| ·主元分析的应用实例 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 3 神经网络软测量方法研究及反应釜浓度模型的建立 | 第37-57页 |
| ·引言 | 第37页 |
| ·BP神经网络概述 | 第37-42页 |
| ·BP神经网络结构与特点 | 第37-39页 |
| ·BP神经网络基本原理 | 第39-41页 |
| ·BP神经网络算法步骤 | 第41-42页 |
| ·GA遗传算法概述 | 第42-45页 |
| ·GA遗传算法研究现状 | 第42-43页 |
| ·GA遗传算法基本原理 | 第43-45页 |
| ·改进型自适应遗传算法 | 第45-47页 |
| ·改进型自适应遗传算子 | 第45-46页 |
| ·仿真研究实例 | 第46-47页 |
| ·反应釜浓度软测量模型的建立 | 第47-55页 |
| ·自适应遗传算法优化BP神经网络量算法流程 | 第48页 |
| ·神经网络软测量方法在间歇反应釜浓度中的应用研究 | 第48-55页 |
| ·本章小结 | 第55-57页 |
| 4 自适应切换PD超前型开闭环迭代学习控制研究 | 第57-75页 |
| ·引言 | 第57页 |
| ·问题描述 | 第57-58页 |
| ·自适应切换PD超前型开闭环迭代学习控制算法 | 第58-59页 |
| ·收敛性分析 | 第59-69页 |
| ·仿真研究实例 | 第69-74页 |
| ·本章小结 | 第74-75页 |
| 5 迭代学习控制在间歇过程控制系统中的应用研究 | 第75-87页 |
| ·引言 | 第75页 |
| ·不饱和聚酯树脂生产概述 | 第75-76页 |
| ·不饱和聚酯树脂概述 | 第75-76页 |
| ·UPR在国内外的生产发展概况 | 第76页 |
| ·生产过程控制 | 第76-80页 |
| ·合成工艺流程 | 第76-77页 |
| ·反应釜温度的控制 | 第77-80页 |
| ·迭代学习控制在间歇反应釜温度控制的应用 | 第80-86页 |
| ·间歇反应釜模型 | 第80-82页 |
| ·应用仿真实例及其分析 | 第82-86页 |
| ·本章小结 | 第86-87页 |
| 6 总结与展望 | 第87-89页 |
| ·总结 | 第87-88页 |
| ·展望 | 第88-89页 |
| 致谢 | 第89-91页 |
| 参考文献 | 第91-97页 |
| 附录A | 第97-99页 |
| A.1 BP算法的流程图 | 第97-98页 |
| A.2 BP标准遗传算法运算流程图 | 第98-99页 |
| 附录B | 第99页 |