首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

中药生产工艺的智能优化研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第14-26页
    1.1 课题背景第14-15页
    1.2 研究意义及内容第15-18页
        1.2.1 研究意义第15-16页
        1.2.2 研究内容第16-18页
    1.3 研究现状第18-22页
        1.3.1 关键工艺参数筛选第18-19页
        1.3.2 质量指标预测第19-21页
        1.3.3 工艺参数优化第21页
        1.3.4 工艺实时反馈第21-22页
    1.4 本文贡献第22-24页
    1.5 组织结构第24-26页
第2章 相关技术综述第26-42页
    2.1 概述第26页
    2.2 关键工艺参数筛选第26-32页
        2.2.1 概述第26页
        2.2.2 Pearson相关系数第26-28页
        2.2.3 逐步回归法第28-31页
        2.2.4 K-Means聚类法第31-32页
        2.2.5 评价指标第32页
    2.3 质量指标预测第32-37页
        2.3.1 概述第32-33页
        2.3.2 多元线性回归第33-34页
        2.3.3 朴素贝叶斯第34-36页
        2.3.4 BP神经网络第36页
        2.3.5 GA遗传算法第36-37页
        2.3.6 评价指标第37页
    2.4 关键工艺参数优化第37-41页
        2.4.1 概述第37-38页
        2.4.2 回归模型线性融合第38页
        2.4.3 NSGA-Ⅱ算法第38-40页
        2.4.4 评价指标第40-41页
    2.5 本章小结第41-42页
第3章 中药生产关键工艺参数筛选第42-60页
    3.1 概述第42页
    3.2 BCA关键工艺参数筛选算法第42-49页
        3.2.1 双向聚类第43-44页
        3.2.2 方差分析第44-45页
        3.2.3 算法流程第45-49页
    3.3 实验结果与分析第49-58页
        3.3.1 实验环境第49-50页
        3.3.2 实验方案第50-52页
        3.3.3 实验结果第52-56页
        3.3.4 实验分析第56-58页
    3.4 本章小结第58-60页
第4章 中药生产质量指标预测第60-72页
    4.1 概述第60-61页
    4.2 GA-BP质量指标预测第61-65页
        4.2.1 GA优化BP参数第61-63页
        4.2.2 建立预测模型第63页
        4.2.3 算法流程第63-65页
    4.3 实验结果与分析第65-70页
        4.3.1 实验环境第65-66页
        4.3.2 实验方案第66-67页
        4.3.3 实验结果第67-70页
        4.3.4 实验分析第70页
    4.4 本章小结第70-72页
第5章 中药生产工艺参数优化第72-92页
    5.1 概述第72页
    5.2 INSGA多目标寻优算法第72-79页
        5.2.1 初始化种群第73-75页
        5.2.2 拥挤度函数第75-77页
        5.2.3 最优工艺筛选第77页
        5.2.4 算法流程第77-79页
    5.3 实验与分析第79-90页
        5.3.1 实验环境第79-80页
        5.3.2 实验方案第80-83页
        5.3.3 实验结果第83-88页
        5.3.4 实验分析第88-90页
    5.4 本章小结第90-92页
第6章 中药生产智能反馈系统第92-102页
    6.1 PIA智能反馈方法第92-94页
        6.1.1 建立最优工艺响应面第92-93页
        6.1.2 确定调整工艺方案第93-94页
        6.1.3 算法流程第94页
    6.2 智能反馈系统实现第94-101页
        6.2.1 系统设计第94-99页
        6.2.2 系统展示第99-101页
    6.3 本章小结第101-102页
第7章 总结与展望第102-104页
    7.1 工作总结第102-103页
    7.2 未来展望第103-104页
参考文献第104-108页
攻读硕士学位期间主要的研究成果第108-110页
致谢第110页

论文共110页,点击 下载论文
上一篇:基于卷积神经网络的关系抽取研究
下一篇:基于微系统技术的颗粒物分离以及浓度检测装置