基于聚类分析和多模型的传感器建模及其应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·引言 | 第8页 |
| ·软测量技术概述 | 第8-11页 |
| ·软测量技术的数学描述和结构 | 第9-10页 |
| ·影响软测量模型性能的因素 | 第10-11页 |
| ·软测量建模方法概述 | 第11-14页 |
| ·传统软测量建模方法 | 第11-13页 |
| ·基于人工智能的软测量建模方法 | 第13-14页 |
| ·软测量技术国内外研究现状 | 第14-15页 |
| ·论文的主要内容及安排 | 第15-17页 |
| 2 多模型的传感器建模方法研究 | 第17-27页 |
| ·多模型建模方法的国内外研究现状 | 第17-18页 |
| ·多模型理论 | 第18-19页 |
| ·多模型建模方法 | 第19-20页 |
| ·基于切换策略的控制器设计 | 第19-20页 |
| ·基于加权策略的多模型方法 | 第20页 |
| ·传感器建模方法 | 第20-22页 |
| ·曲线拟合法建模 | 第20-21页 |
| ·神经网络建模 | 第21-22页 |
| ·基于粒子群算法的多模型加权软测量 | 第22-26页 |
| ·基于粒子群的加权算法原理 | 第22-24页 |
| ·基于粒子群的加权算法流程 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 多模型软测量子模型建模 | 第27-44页 |
| ·模糊C聚类 | 第27-32页 |
| ·聚类分析的概念 | 第27-29页 |
| ·隶属度函数 | 第29页 |
| ·硬C-均值聚类算法 | 第29-30页 |
| ·模糊C-均值聚类算法 | 第30-31页 |
| ·模糊C-均值聚类算法的Matlab仿真 | 第31-32页 |
| ·BP神经网络 | 第32-38页 |
| ·神经网络 | 第32-33页 |
| ·BP神经网络 | 第33-34页 |
| ·BP网络训练 | 第34-36页 |
| ·BP神经网络的Matlab仿真 | 第36-38页 |
| ·支持向量机 | 第38-43页 |
| ·基于回归的SVM算法 | 第38-40页 |
| ·非线性SVM算法 | 第40-42页 |
| ·SVM的Matlab仿真 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4 木材含水率测量方法及影响因素分析 | 第44-49页 |
| ·国内外发展情况 | 第44-45页 |
| ·木材含水率检测的经典方法 | 第45-46页 |
| ·称重法 | 第45页 |
| ·电阻法 | 第45-46页 |
| ·化学测定法 | 第46页 |
| ·木材含水率检测的现代方法 | 第46-48页 |
| ·微波法 | 第46-47页 |
| ·射线法 | 第47页 |
| ·高周波法 | 第47页 |
| ·电磁波法 | 第47-48页 |
| ·几种测量木材含水率测量方法比较 | 第48页 |
| ·本章小结 | 第48-49页 |
| 5 多模型软测量建模在木材含水率测量中的应用 | 第49-58页 |
| ·多模型软测量理论思想的提出 | 第49-50页 |
| ·基于聚类分析的多模型木材含水率的测量方法 | 第50页 |
| ·实验仿真研究 | 第50-57页 |
| ·基于模糊C聚类的多模型建模算法 | 第51-57页 |
| ·仿真误差结果分析 | 第57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63-64页 |
