烧结混合物料水分的软测量方法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·选题的背景及意义 | 第10-12页 |
| ·软测量的描述 | 第12页 |
| ·建立软测量模型的方法 | 第12-14页 |
| ·纯机理建模方法 | 第12-13页 |
| ·基于数据驱动建模方法 | 第13-14页 |
| ·混合建模方法 | 第14页 |
| ·影响软测量模型性能的主要因素 | 第14-17页 |
| ·建模方法的选择 | 第14-15页 |
| ·辅助变量的选择 | 第15页 |
| ·数据的预处理 | 第15-16页 |
| ·主导变量与辅助变量的时序匹配 | 第16-17页 |
| ·软测量模型的维护 | 第17页 |
| ·课题的主要研究内容 | 第17-19页 |
| 2 烧结工艺的机理分析 | 第19-23页 |
| ·烧结的目的和意义 | 第19页 |
| ·烧结方法和工艺流程介绍 | 第19-21页 |
| ·烧结矿质量评价 | 第21-23页 |
| 3 水分软测量模型辅助变量的选择 | 第23-38页 |
| ·混合料水分的作用 | 第23页 |
| ·烧结混合料水分测量方法概述 | 第23-25页 |
| ·烧结混合料水分的软测量方法 | 第25-26页 |
| ·水分软测量模型辅助变量的选择 | 第26-31页 |
| ·透气性 | 第26-27页 |
| ·辅助变量的选择 | 第27-31页 |
| ·烧结混合料水分和透气性的关系 | 第31页 |
| ·风量流量传感器的选用 | 第31-38页 |
| 4 基于神经网络的软测量建模 | 第38-49页 |
| ·神经网络建模理论的概述 | 第38-43页 |
| ·混合料水分的神经网络软测量模型 | 第43-49页 |
| 5 基于模糊推理的软测量建模 | 第49-61页 |
| ·模糊集合 | 第49-50页 |
| ·模糊集合的定义 | 第49页 |
| ·常用的隶属函数 | 第49-50页 |
| ·模糊关系 | 第50-51页 |
| ·模糊关系的定义 | 第50-51页 |
| ·模糊关系的运算 | 第51页 |
| ·模糊推理 | 第51-52页 |
| ·模糊推理的基本概念 | 第51-52页 |
| ·模糊蕴含 | 第52页 |
| ·模糊推理系统 | 第52-55页 |
| ·模糊建模 | 第55-56页 |
| ·混合料水分的模糊推理模型 | 第56-61页 |
| 6 基于模糊神经网络的软测量建模 | 第61-75页 |
| ·模糊神经网络类型的确定 | 第61-66页 |
| ·自适应神经模糊推理系统 | 第61-64页 |
| ·减法聚类 | 第64-66页 |
| ·模糊神经网络的混合料水分模型 | 第66-73页 |
| ·三种软测量方法的比较 | 第73-75页 |
| 7 结论 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 在学研究成果 | 第79-80页 |
| 致谢 | 第80页 |
