| 摘要 | 第1-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第11-26页 |
| ·引言 | 第11页 |
| ·软测量技术 | 第11-19页 |
| ·软测量技术的研究及其发展 | 第11-12页 |
| ·软测量思想 | 第12-13页 |
| ·软测量技术的四个要素 | 第13-18页 |
| ·软测量模型的实施 | 第18-19页 |
| ·基于PLS-NN的软测量方法的应用发展 | 第19-21页 |
| ·主要的神经网络学习算法 | 第20页 |
| ·BP神经网络与RBF神经网络的比较 | 第20-21页 |
| ·工业聚丙烯(PP)生产过程 | 第21-24页 |
| ·聚丙烯(PP)工业发展 | 第21页 |
| ·Spheripol聚丙烯聚合工艺 | 第21-22页 |
| ·聚丙烯工艺流程简介 | 第22-24页 |
| ·本文主要研究工作 | 第24-26页 |
| 第二章 方法研究的理论基础 | 第26-41页 |
| ·回归分析方法 | 第26-27页 |
| ·主元分析理论 | 第27-28页 |
| ·偏最小二乘方法 | 第28-33页 |
| ·基本原理 | 第28-29页 |
| ·计算方法推导 | 第29-32页 |
| ·算法基本性质 | 第32-33页 |
| ·人工神经元网络 | 第33-37页 |
| ·神经元模型和网络结构 | 第33-35页 |
| ·神经网络的学习方法 | 第35-37页 |
| ·基于径向基函数(RBF)神经网络 | 第37-40页 |
| ·RBF神经网络的网络结构 | 第37-38页 |
| ·径向基函数的学习过程 | 第38-40页 |
| ·本章小节 | 第40-41页 |
| 第三章 基于PLS/RBF/PLS-RBF的软测量模型及其应用 | 第41-61页 |
| ·引言 | 第41-42页 |
| ·基于PLS的软测量模型算法及其应用 | 第42-47页 |
| ·基于PLS的软测量模型的迭代算法 | 第42-43页 |
| ·基于PLS的软测量模型的仿真应用示例 | 第43-47页 |
| ·基于RBF神经网络的软测量模型算法及其应用 | 第47-54页 |
| ·RBF神经网络的训练算法 | 第47-51页 |
| ·基于RBF神经网络的软测量模型的仿真应用示例 | 第51-54页 |
| ·基于PLS-RBFNN的软测量模型算法及其应用 | 第54-58页 |
| ·基于PLS-RBFNN的软测量模型算法 | 第54-56页 |
| ·基于PLS-RBFNN的软测量模型的仿真应用示例 | 第56-58页 |
| ·模型比较 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 工业聚丙烯质量指标的软测量建模分析与应用 | 第61-74页 |
| ·引言 | 第61-62页 |
| ·工业聚丙烯熔融指数的软测量建模分析 | 第62-67页 |
| ·聚丙烯聚合反应机理 | 第62-63页 |
| ·熔融指数的影响因素分析 | 第63-65页 |
| ·聚丙烯熔融指数软测量建模的变量选择 | 第65-67页 |
| ·工业聚丙烯熔融指数的软测量应用 | 第67-73页 |
| ·现场数据采集与处理 | 第67-68页 |
| ·软测量模型应用 | 第68-71页 |
| ·现场数据熔融指数软测量结果比较 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 作者读研期间完成的论文及参加的项目 | 第80页 |