| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目 次 | 第9-11页 |
| 图清单 | 第11-13页 |
| 表清单 | 第13-14页 |
| 1 绪论 | 第14-18页 |
| ·引言 | 第14-15页 |
| ·动态检重系统算法的研究现状 | 第15-17页 |
| ·课题主要研究内容 | 第17页 |
| ·创新点 | 第17-18页 |
| 2 动态检重系统综述 | 第18-24页 |
| ·动态检重系统的研究进展 | 第18页 |
| ·动态检重系统的构成 | 第18-20页 |
| ·动态检重系统的信号分析 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 3 动态检重信号预处理 | 第24-43页 |
| ·信号滤波预处理 | 第24页 |
| ·低通滤波预处理 | 第24-33页 |
| ·低通滤波器的基本原理 | 第24-25页 |
| ·动态检重系统低通滤波预处理 | 第25-33页 |
| ·卡尔曼滤波预处理 | 第33-42页 |
| ·卡尔曼滤波的基本原理 | 第33-35页 |
| ·动态检重系统卡尔曼滤波预处理 | 第35-42页 |
| ·本章小结 | 第42-43页 |
| 4 基于主成分回归（PCR）的动态检重预测模型 | 第43-57页 |
| ·主成分分析（PCA） | 第43-47页 |
| ·主成分分析的提出 | 第43-44页 |
| ·主成分分析的理论基础 | 第44-47页 |
| ·多元线性回归 | 第47-50页 |
| ·多元线性回归的基本原理 | 第47-49页 |
| ·主成分回归分析基本步骤 | 第49-50页 |
| ·基于主成分回归的终值预测模型 | 第50-56页 |
| ·主成分回归终值预测建模准备 | 第50-51页 |
| ·主成分回归建模以及模型检验 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于最小二乘支持向量机（LS-SVM）的动态检重终值预测 | 第57-72页 |
| ·支持向量机的提出 | 第57-58页 |
| ·最小二乘支持向量机的理论基础 | 第58-65页 |
| ·基于数据的机器学习 | 第58-60页 |
| ·经验风险最小化原则与 VC 维 | 第60页 |
| ·支持向量机的核函数 | 第60-61页 |
| ·支持向量机的应用特点 | 第61-62页 |
| ·最小二乘支持向量机 | 第62-65页 |
| ·最小二乘支持向量机终值预测建模 | 第65-71页 |
| ·动态检重终值预测模型建模流程 | 第65-67页 |
| ·动态检重值预测模型建模准备 | 第67页 |
| ·动态检重预测模型建模及模型检验 | 第67-70页 |
| ·终值预测建模结论 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者简历及攻读硕士学位期间获得的学术成果 | 第78页 |