数据驱动技术及其在聚丙烯生产过程中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-27页 |
| ·研究背景 | 第11-12页 |
| ·数据驱动技术应用与研究现状 | 第12-25页 |
| ·软测量建模 | 第12-17页 |
| ·过程监测与故障诊断 | 第17-21页 |
| ·过程优化 | 第21-24页 |
| ·存在的主要问题分析 | 第24-25页 |
| ·论文的主要内容与结构 | 第25-27页 |
| 第2章 组合神经网络软测量建模方法研究 | 第27-39页 |
| ·引言 | 第27页 |
| ·BP 神经网络 | 第27-29页 |
| ·组合预测 | 第29-31页 |
| ·组合神经网络 | 第31-37页 |
| ·最小化最大绝对预测误差 | 第32-34页 |
| ·岭回归分析 | 第34-36页 |
| ·性能测试 | 第36-37页 |
| ·小结 | 第37-39页 |
| 第3章 改进多尺度主元分析方法研究 | 第39-57页 |
| ·引言 | 第39页 |
| ·基于小波分析的数据去噪方法 | 第39-43页 |
| ·多分辨率分析 | 第40-41页 |
| ·小波变换与重构 | 第41-42页 |
| ·改进小波阈值去噪方法 | 第42-43页 |
| ·主元分析 | 第43-49页 |
| ·数据标准化 | 第44页 |
| ·主元模型 | 第44-47页 |
| ·确定控制限 | 第47-48页 |
| ·多变量统计控制图 | 第48-49页 |
| ·改进多尺度主元分析方法 | 第49-55页 |
| ·多尺度主元分析 | 第49-50页 |
| ·改进方法实施步骤 | 第50-51页 |
| ·性能测试 | 第51-55页 |
| ·小结 | 第55-57页 |
| 第4章 改进混沌粒子群优化算法研究 | 第57-71页 |
| ·引言 | 第57页 |
| ·基本粒子群优化算法 | 第57-59页 |
| ·基本原理 | 第57-58页 |
| ·计算流程 | 第58-59页 |
| ·混沌搜索 | 第59-62页 |
| ·基本原理 | 第59-60页 |
| ·计算流程 | 第60-62页 |
| ·改进混沌粒子群优化算法 | 第62-69页 |
| ·改进要点 | 第62-64页 |
| ·计算流程 | 第64-66页 |
| ·性能测试 | 第66-69页 |
| ·小结 | 第69-71页 |
| 第5章 聚丙烯生产过程应用研究 | 第71-101页 |
| ·引言 | 第71页 |
| ·聚丙烯生产工艺流程 | 第71-73页 |
| ·聚丙烯熔融指数软测量建模 | 第73-87页 |
| ·确定辅助变量 | 第75-76页 |
| ·数据采集与预处理 | 第76-77页 |
| ·基于最小化最大绝对预测误差的建模方法 | 第77-85页 |
| ·基于岭回归分析的建模方法 | 第85-87页 |
| ·丙烯聚合过程监测与故障诊断 | 第87-94页 |
| ·主元模型 | 第88-90页 |
| ·过程监测 | 第90-92页 |
| ·故障诊断 | 第92-94页 |
| ·聚丙烯最优牌号切换 | 第94-99页 |
| ·动态模型 | 第95页 |
| ·性能指标模型 | 第95-97页 |
| ·目标函数 | 第97页 |
| ·控制变量参数化 | 第97-99页 |
| ·优化结果与讨论 | 第99页 |
| ·小结 | 第99-101页 |
| 第6章 结论与展望 | 第101-105页 |
| ·全文总结 | 第101-102页 |
| ·研究展望 | 第102-105页 |
| 参考文献 | 第105-113页 |
| 致谢 | 第113-115页 |
| 攻读学位期间参加的科研项目和成果 | 第115页 |
