原油中转站计量系统及其软测量技术研究
| 摘要 | 第1-5页 |
| Abstrac | 第5-10页 |
| 第1章 绪论 | 第10-24页 |
| ·课题背景及来源 | 第10-11页 |
| ·软测量的基本思想、适用范围及建模方法 | 第11-14页 |
| ·基本思想及适用范围 | 第11-12页 |
| ·软测量建模方法 | 第12-14页 |
| ·软测量工程化设计的步骤 | 第14-19页 |
| ·机理分析及辅助变量选取 | 第15页 |
| ·数据采集和预处理 | 第15-17页 |
| ·建立软测量模型 | 第17页 |
| ·设计校正模块 | 第17-18页 |
| ·软测量的实现 | 第18页 |
| ·软测量效果评价 | 第18-19页 |
| ·软测量技术的研究现状及发展趋势 | 第19-22页 |
| ·国内外研究现状 | 第19-21页 |
| ·发展趋势 | 第21-22页 |
| ·课题研究的主要内容 | 第22-23页 |
| ·课题意义 | 第23-24页 |
| 第2章 原油中转站计量系统的设计与实现 | 第24-41页 |
| ·混合程序设计方法 | 第24-26页 |
| ·开发工具介绍 | 第26-27页 |
| ·系统规划与实现 | 第27-35页 |
| ·系统要求 | 第27-28页 |
| ·系统硬件构成 | 第28页 |
| ·板卡驱动的调用 | 第28-29页 |
| ·采集数据的处理算法 | 第29-30页 |
| ·系统软件功能结构 | 第30页 |
| ·各模块主要功能及其实现 | 第30-34页 |
| ·数据库表的主要功能 | 第34-35页 |
| ·原油含水率的估算及性能分析 | 第35-40页 |
| ·电导式含水分析仪工作原理 | 第36-37页 |
| ·全水值的计算方法 | 第37-38页 |
| ·含水率经验公式获取及其性能分析 | 第38-40页 |
| ·存在的问题及解决方案 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第3章 SVs-RBFNN 软测量建模方法 | 第41-60页 |
| ·引言 | 第41页 |
| ·机器学习的表示 | 第41-42页 |
| ·经验风险最小化 | 第42-43页 |
| ·用于回归的RBF 神经网络 | 第43-45页 |
| ·RBF 神经网络 | 第43-44页 |
| ·RBF 神经网络中心学习算法 | 第44-45页 |
| ·学习机器的复杂性与推广能力 | 第45-46页 |
| ·结构风险最小化 | 第46-47页 |
| ·用于回归的SVM | 第47-55页 |
| ·SVM 思想的数学表示 | 第48-52页 |
| ·SVM 的主要训练算法 | 第52-54页 |
| ·关于SVM 的几点说明 | 第54-55页 |
| ·RBFNN 与SVM 的比较 | 第55页 |
| ·SVs-RBFNN 软测量建模方法 | 第55-59页 |
| ·基本思想及步骤 | 第56-57页 |
| ·理论分析 | 第57页 |
| ·仿真研究 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 原油含水率软测量及其仿真 | 第60-70页 |
| ·工艺流程 | 第60-61页 |
| ·原油含水率软测量建模 | 第61-64页 |
| ·辅助变量选取 | 第61页 |
| ·三种原油含水率软测量模型 | 第61-64页 |
| ·仿真工具及相关函数 | 第64-66页 |
| ·神经网络工具箱及相关函数 | 第64-65页 |
| ·支持向量机工具箱及相关函数 | 第65-66页 |
| ·三种建模方法的仿真及结果分析 | 第66-69页 |
| ·评判软测量模型性能的指标 | 第66-67页 |
| ·软测量模型的仿真 | 第67-69页 |
| ·仿真结果分析 | 第69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致 谢 | 第79-80页 |
| 作者简介 | 第80页 |
