摘要 | 第1-8页 |
Abstract | 第8-10页 |
第一章 绪论 | 第10-20页 |
·选题的背景及意义 | 第10-12页 |
·粉磨系统简介 | 第10-11页 |
·水泥粒度检测方法 | 第11页 |
·水泥粒度软测量的意义 | 第11-12页 |
·软测量技术 | 第12-17页 |
·软测量技术的数学描述 | 第12-13页 |
·软测量技术的建模方法 | 第13-16页 |
·软测量技术的设计步骤 | 第16页 |
·国内外软测量技术的研究现状 | 第16-17页 |
·本文主要内容 | 第17-18页 |
·本章小结 | 第18-20页 |
第二章 水泥粒度软测量辅助变量的选择与数据预处理 | 第20-30页 |
·水泥粒度软测量辅助变量的选择 | 第20-23页 |
·联合粉磨系统生产工艺简介 | 第20-22页 |
·水泥粒度软测量辅助变量的选择 | 第22-23页 |
·水泥粒度软测量的数据预处理 | 第23-28页 |
·数据采集 | 第23-25页 |
·数据处理 | 第25-28页 |
·误差处理 | 第25-27页 |
·数据变换 | 第27-28页 |
·本章小结 | 第28-30页 |
第三章 基于人工神经网络水泥粒度软测量 | 第30-40页 |
·人工神经网络理论 | 第30-32页 |
·人工神经元 | 第30-31页 |
·神经网络结构 | 第31页 |
·神经网络学习方式 | 第31-32页 |
·基于 BP 神经网络的水泥粒度软测量 | 第32-39页 |
·BP 神经网络及其算法 | 第32-35页 |
·BP 神经网络参数的选取 | 第35-37页 |
·基于 BP 神经网络的水泥粒度软测量仿真与分析 | 第37-39页 |
·本章小结 | 第39-40页 |
第四章 基于最小二乘支持向量机水泥粒度软测量 | 第40-50页 |
·支持向量机 | 第40-43页 |
·支持向量机原理 | 第40-41页 |
·支持向量机算法 | 第41-43页 |
·最小二乘支持向量机 | 第43-47页 |
·最小二乘支持向量机理论 | 第43-45页 |
·最小二乘支持向量机核函数 | 第45-46页 |
·最小二乘支持向量机参数的优化方法 | 第46-47页 |
·基于 LS-SVM 的水泥粒度软测量模型的仿真与分析 | 第47-48页 |
·LS-SVM 方法与 BP 方法的比较 | 第48页 |
·本章小结 | 第48-50页 |
第五章 水泥粒度软测量的软件开发 | 第50-58页 |
·DCS 控制系统简介 | 第50-51页 |
·OPC 接口及其应用 | 第51-52页 |
·控制算法编程 | 第52-54页 |
·水泥粒度软测量软件实现 | 第54-55页 |
·软件投产应用效果分析 | 第55-56页 |
·本章小结 | 第56-58页 |
第六章 总结与展望 | 第58-60页 |
·总结 | 第58-59页 |
·展望 | 第59-60页 |
参考文献 | 第60-64页 |
致谢 | 第64-66页 |
附录 | 第66页 |