摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第9-15页 |
1.1 在线腐蚀预测研究背景及意义 | 第9-10页 |
1.1.1 研究背景概述 | 第9-10页 |
1.1.2 在线监测技术的研究意义 | 第10页 |
1.2 工业部门腐蚀预测研究分类与研究现状 | 第10-13页 |
1.2.1 工业部门研究探索腐蚀预测方法历程 | 第10-12页 |
1.2.2 在线监测技术探索过程中的遗留问题 | 第12-13页 |
1.3 研究内容概述 | 第13-14页 |
1.4 模型建立的技术路线 | 第14-15页 |
第二章 循环冷却水系统腐蚀机理 | 第15-23页 |
2.1 循环冷却水系统描述 | 第15-17页 |
2.1.1 封闭式系统 | 第16-17页 |
2.1.2 敞开式系统 | 第17页 |
2.2 循环冷却水系统的组成 | 第17-18页 |
2.3 循环冷却水系统运行时产生的问题 | 第18-22页 |
2.3.1 循环冷却水水质特点 | 第18页 |
2.3.2 冷却水中的水垢附着 | 第18-19页 |
2.3.3 冷却水中的腐蚀机理 | 第19-22页 |
2.4 工业设备腐蚀动态监测研究 | 第22页 |
2.5 本章小结 | 第22-23页 |
第三章 循环冷却水腐蚀影响因素参数体系构建 | 第23-29页 |
3.1 构建冷却水腐蚀预测模型的参数体系的 | 第23-24页 |
3.1.1 构建腐蚀预测参数体系的标准 | 第23页 |
3.1.2 参数体系的建立与完善 | 第23-24页 |
3.2 采集水质样本数据 | 第24-28页 |
3.3 本章小结 | 第28-29页 |
第四章 基于核主成分分析的参数提取 | 第29-40页 |
4.1 主成分分析原理概述 | 第29-31页 |
4.1.1 PCA的降维投影原理 | 第29-30页 |
4.1.2 PCA的运算步骤 | 第30-31页 |
4.2 核主成分分析基本原理 | 第31-33页 |
4.3 基于KPCA的水质样本数据降维 | 第33-39页 |
4.3.1 水质样本数据标准化处理 | 第33-37页 |
4.3.2 KPCA提取样本数据主成分 | 第37-39页 |
4.4 本章小结 | 第39-40页 |
第五章 改进LSSVM循环冷却水腐蚀预测模型的建立与实现 | 第40-61页 |
5.1 支持向量机 | 第40-44页 |
5.1.1 SVM基本原理 | 第40-43页 |
5.1.2 非线性SVM | 第43-44页 |
5.2 LSSVM的理论概述及应用描述 | 第44-49页 |
5.2.1 LSSVM的理论基础 | 第44-45页 |
5.2.2 LSSVM的网络结构 | 第45-46页 |
5.2.3 基于KPCA-LSSVM腐蚀预测模型的建立与实现 | 第46-49页 |
5.3 基于PSO-LSSVM的循环冷却水腐蚀预测模型 | 第49-54页 |
5.3.1 PSO算法原理 | 第49页 |
5.3.2 标准粒子群的算法流程 | 第49-51页 |
5.3.3 基于PSO-LSSVM的循环冷却水腐蚀预测模型的调节与实现 | 第51-54页 |
5.4 基于KPCA-CPSO-LSSVM的循环冷却水腐蚀预测模型 | 第54-59页 |
5.4.1 CPSO算法原理 | 第54页 |
5.4.2 CPSO优化LSSVM软测量模型的建立 | 第54-56页 |
5.4.3 基于KPCA-CPSO-LSSVM的循环冷却水腐蚀预测 | 第56-59页 |
5.5 KPCA-LSSVM、PSO-LSSVM与 KPCA-CPSO-LSSVM预测结果对比 | 第59-60页 |
5.6 本章小结 | 第60-61页 |
第六章 总结与展望 | 第61-62页 |
6.1 总结 | 第61页 |
6.2 展望 | 第61-62页 |
参考文献 | 第62-68页 |
发表论文和科研情况说明 | 第68-69页 |
致谢 | 第69页 |