基于工业数据的过程模型以及产品质量在线预测应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-17页 |
| 1.1.1 质量控制和优化 | 第12页 |
| 1.1.2 传统软测量技术 | 第12-14页 |
| 1.1.3 现代过程分析技术与近红外 | 第14-16页 |
| 1.1.4 基于数据的过程模型 | 第16-17页 |
| 1.2 研究目的及内容 | 第17-18页 |
| 1.3 章节安排 | 第18-20页 |
| 第二章 基于数据的过程模型概述 | 第20-36页 |
| 2.1 引言 | 第20页 |
| 2.2 建模基本原理 | 第20-21页 |
| 2.3 建模流程和影响因素 | 第21-30页 |
| 2.3.1 数据检查 | 第22页 |
| 2.3.2 历史数据选择与稳态的识别 | 第22-23页 |
| 2.3.3 数据预处理 | 第23-25页 |
| 2.3.4 变量选择 | 第25页 |
| 2.3.5 模型选择、训练和验证 | 第25-27页 |
| 2.3.6 模型维护 | 第27-29页 |
| 2.3.7 其他影响因素 | 第29-30页 |
| 2.4 建模方法 | 第30-34页 |
| 2.4.1 主元分析 | 第30-31页 |
| 2.4.2 偏最小二乘 | 第31-32页 |
| 2.4.3 人工神经网络 | 第32-33页 |
| 2.4.4 支持向量机 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 静态软测量研究 | 第36-50页 |
| 3.1 引言 | 第36-37页 |
| 3.2 静态软测量建模方法 | 第37-40页 |
| 3.2.1 基于小波的单变量数据预处理 | 第37-38页 |
| 3.2.2 遗传算法确定滞后时间 | 第38页 |
| 3.2.3 RPLS建模与异常识别 | 第38-40页 |
| 3.3 业背景 | 第40-42页 |
| 3.3.1 常减压装置常压塔 | 第40-41页 |
| 3.3.2 常压塔塔顶重整料终馏点 | 第41-42页 |
| 3.4 常压塔塔顶重整料静态软测量建模 | 第42-49页 |
| 3.4.1 单变量数据预处理 | 第42页 |
| 3.4.2 滞后时间的确定 | 第42-44页 |
| 3.4.3 多变量异常识别 | 第44-47页 |
| 3.4.4 模型预测结果 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 动态软测量研究 | 第50-63页 |
| 4.1 引言 | 第50页 |
| 4.2 动态软测量建模方法 | 第50-52页 |
| 4.2.1 动态软测量 | 第50-51页 |
| 4.2.2 滞后时间和再采样间隔的确定 | 第51-52页 |
| 4.3 常压塔塔顶重整料动态软测量建模 | 第52-57页 |
| 4.3.1 业数据 | 第52页 |
| 4.3.2 变量选择及预处理 | 第52-53页 |
| 4.3.3 网格搜索算法优化 | 第53-55页 |
| 4.3.4 动态PLS建模 | 第55-57页 |
| 4.4 非线性建模与在线更新 | 第57-62页 |
| 4.4.1 不同建模结果对比 | 第57-58页 |
| 4.4.2 过程工况变化特点识别 | 第58-59页 |
| 4.4.3 移动窗口法模型更新 | 第59-62页 |
| 4.5 系统建模方法总结 | 第62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 近红外光谱建模研究 | 第63-78页 |
| 5.1 引言 | 第63页 |
| 5.2 近红外光谱建模方法 | 第63-65页 |
| 5.2.1 预处理算法 | 第63-64页 |
| 5.2.2 变量选择算法 | 第64-65页 |
| 5.3 业数据及预分析 | 第65-69页 |
| 5.4 复方中药提取液近红外建模 | 第69-76页 |
| 5.4.1 不同预处理方法对比 | 第69-71页 |
| 5.4.2 不同变量选择方法对比 | 第71-74页 |
| 5.4.3 结果与讨论 | 第74-76页 |
| 5.5 本章小结 | 第76-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-92页 |
| 攻读硕士学位期间取得的研究成果 | 第92-93页 |
| 致谢 | 第93-94页 |
| 附件 | 第94页 |
