| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-25页 |
| ·智能计算概述 | 第11-23页 |
| ·支持向量机与核方法 | 第11-19页 |
| ·粒子群优化算法 | 第19-21页 |
| ·迭代学习控制 | 第21-23页 |
| ·全文结构及内容安排 | 第23-25页 |
| 第二章 基于支持向量机回归模型的间歇过程批次优化控制 | 第25-45页 |
| ·引言 | 第25-26页 |
| ·最小二乘支持向量回归建模 | 第26-29页 |
| ·批次优化控制方案 | 第29-30页 |
| ·控制算法的推导 | 第30-32页 |
| ·收敛性证明 | 第32-35页 |
| ·无约束情况下批次优化控制的收敛性证明 | 第32-33页 |
| ·约束存在情况下批次优化控制的收敛性证明 | 第33-35页 |
| ·鲁棒性分析 | 第35-37页 |
| ·仿真研究 | 第37-43页 |
| ·本章小结 | 第43-45页 |
| 第三章 基于核主元分析和多支持向量机分类的统计过程监控与故障诊断 | 第45-71页 |
| ·引言 | 第45-46页 |
| ·统计过程监控的研究现状 | 第46-52页 |
| ·单变量统计过程监控方法 | 第47-48页 |
| ·多变量统计过程监控方法 | 第48-52页 |
| ·核的概念 | 第52-55页 |
| ·核的定义与性质 | 第52-53页 |
| ·核的分类 | 第53-55页 |
| ·核主元分析 | 第55-59页 |
| ·最小二乘多支持向量机分类算法 | 第59-61页 |
| ·基于核主元分析和多支持向量机分类的统计过程监控与故障诊断 | 第61-64页 |
| ·过程仿真 | 第64-69页 |
| ·本章小结 | 第69-71页 |
| 第四章 基于逆模型的间歇过程迭代学习控制及其鲁棒性分析 | 第71-87页 |
| ·引言 | 第71-72页 |
| ·迭代学习控制的发展与应用研究 | 第72-76页 |
| ·基于逆模型的前馈—反馈迭代学习控制的鲁棒性分析 | 第76-82页 |
| ·方案1 的鲁棒性条件 | 第77-80页 |
| ·方案2 的鲁棒性条件 | 第80-82页 |
| ·仿真研究 | 第82-85页 |
| ·本章小结 | 第85-87页 |
| 第五章 迭代粒子群优化算法及其在间歇过程优化中的应用 | 第87-107页 |
| ·引言 | 第87-88页 |
| ·间歇过程优化的研究现状 | 第88-92页 |
| ·迭代粒子群优化算法 | 第92-96页 |
| ·粒子群优化原理 | 第92-93页 |
| ·迭代粒子群算法的构建 | 第93-95页 |
| ·迭代粒子群算法的参数设定 | 第95-96页 |
| ·迭代粒子群算法的步骤 | 第96页 |
| ·仿真实例 | 第96-103页 |
| ·迭代粒子群优化算法在间歇过程鲁棒优化中的应用 | 第103-106页 |
| ·鲁棒优化问题的描述 | 第103-104页 |
| ·间歇过程鲁棒优化的仿真实例 | 第104-106页 |
| ·本章小结 | 第106-107页 |
| 第六章 总结与展望 | 第107-111页 |
| ·论文总结 | 第107-108页 |
| ·未来展望 | 第108-111页 |
| 参考文献 | 第111-119页 |
| 致谢 | 第119-120页 |
| 作者在攻读博士学位期间发表的学术论文以及参加的项目 | 第120页 |
