基于粒子滤波的联合制碱工业过程建模与控制
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题来源及研究意义 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·国内外系统控制的研究现状 | 第10页 |
| ·非线性滤波技术 | 第10-12页 |
| ·人工神经网络技术 | 第12页 |
| ·本文的研究内容 | 第12-14页 |
| 第2章 粒子滤波算法 | 第14-32页 |
| ·动态系统空间模型 | 第14-15页 |
| ·贝叶斯估计理论及其滤波算法 | 第15-16页 |
| ·扩展卡尔曼滤波 | 第16-18页 |
| ·蒙特卡罗方法 | 第18-21页 |
| ·蒙特卡罗方法 | 第18-19页 |
| ·重要性抽样 | 第19-21页 |
| ·粒子滤波算法 | 第21-23页 |
| ·粒子滤波算法原理 | 第21页 |
| ·序贯-重要性-抽样(SIS)算法 | 第21-23页 |
| ·粒子匮乏问题的关键技术 | 第23-26页 |
| ·重要性密度函数的选取 | 第24-25页 |
| ·重要性样本重抽样 | 第25-26页 |
| ·粒子滤波算法的收敛性和基本流程 | 第26-28页 |
| ·粒子滤波算法的收敛性 | 第26-27页 |
| ·粒子滤波算法基本流程 | 第27页 |
| ·标准粒子滤波算法的编程方法 | 第27-28页 |
| ·粒子滤波算法的应用 | 第28-30页 |
| ·目标跟踪 | 第28-29页 |
| ·金融分析 | 第29页 |
| ·计算机视觉 | 第29-30页 |
| ·状态监督与故障诊断 | 第30页 |
| ·粒子滤波算法的应用 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 径向基神经网络 | 第32-44页 |
| ·人工神经网络的发展及理论基础 | 第32-35页 |
| ·人工神经网络的发展 | 第32页 |
| ·人工神经网络的研究应用 | 第32-33页 |
| ·神经网络的生理学基础 | 第33页 |
| ·神经网络的基本结构 | 第33-35页 |
| ·神经网络的学习方法 | 第35页 |
| ·径向基神经网络 | 第35-42页 |
| ·径向基神经网络现状 | 第35-36页 |
| ·径向基神经网络模型和工作原理 | 第36-38页 |
| ·径向基神经网络的学习方法 | 第38-40页 |
| ·径向基神经网络的改进 | 第40-42页 |
| ·径向基神经网络的特点 | 第42页 |
| ·神经网络的泛化能力 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 联合制碱 | 第44-54页 |
| ·制碱工业的发展 | 第44-46页 |
| ·制碱法的历史 | 第44页 |
| ·联合制碱的改进 | 第44-46页 |
| ·联合制碱工业过程 | 第46-50页 |
| ·新型变换气联合制碱 | 第46页 |
| ·新型变换气工艺理论 | 第46-47页 |
| ·联合制碱生产过程的控制 | 第47-48页 |
| ·碳化过程 | 第48-50页 |
| ·复杂工业过程的建模与优化 | 第50-53页 |
| ·复杂工业过程建模的发展 | 第50-52页 |
| ·复杂工业过程优化控制的发展 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 粒子滤波算法与径向基神经网络的结合 | 第54-64页 |
| ·径向基神经网络模型的优化 | 第54页 |
| ·推广卡尔曼滤波径向基神经网络模型 | 第54-56页 |
| ·模糊神经网络模型 | 第56-57页 |
| ·递阶遗传算法神经网络模型 | 第57-58页 |
| ·粒子滤波和径向基神经网络的结合 | 第58-60页 |
| ·粒子滤波径向基神经网络模型 | 第58-60页 |
| ·粒子滤波径向基神经网络实验 | 第60页 |
| ·对碳化过程的建模优化 | 第60-61页 |
| ·仿真实验 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间所发表的论文 | 第69-70页 |
| 致谢 | 第70页 |
