| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 引言 | 第9-10页 |
| 1 课题研究的背景及意义 | 第10-16页 |
| 1.1 氢粉碎工艺 | 第10-13页 |
| 1.1.1 钕铁硼氢粉碎反应原理 | 第10-11页 |
| 1.1.2 钕铁硼的氢粉碎生产流程 | 第11-13页 |
| 1.2 国内外钕铁硼氢粉碎工艺控制研究现状 | 第13-15页 |
| 1.2.1 国外氢粉碎工艺及控制水平 | 第13-14页 |
| 1.2.2 国内氢粉碎工艺及控制水平 | 第14-15页 |
| 1.3 课题研究意义及主要内容 | 第15-16页 |
| 1.4 本章小结 | 第16页 |
| 2 统计学习理论与支持向量机 | 第16-26页 |
| 2.1 统计学习理论 | 第16-19页 |
| 2.1.1 机器学习理论 | 第16-18页 |
| 2.1.2 VC 维与推广界 | 第18-19页 |
| 2.1.3 结构风险最小化 | 第19页 |
| 2.2 支持向量机的基本原理 | 第19-26页 |
| 2.2.1 支持向量机分类 | 第21-24页 |
| 2.2.2 支持向量机回归 | 第24-26页 |
| 2.3 本章小结 | 第26页 |
| 3 支持向量机在氢粉碎工艺控制中的应用 | 第26-44页 |
| 3.1 确定输入输出变量 | 第27页 |
| 3.2 数据预处理 | 第27-29页 |
| 3.2.1 拉依达准则 | 第27-29页 |
| 3.2.2 归一化处理 | 第29页 |
| 3.3 建立支持向量机氢含量回归模型 | 第29-31页 |
| 3.4 模型参数优化 | 第31-40页 |
| 3.4.1 交叉验证法 | 第31-32页 |
| 3.4.2 网格搜索法 | 第32-33页 |
| 3.4.3 遗传算法 | 第33-36页 |
| 3.4.4 粒子群优化算法 | 第36-40页 |
| 3.5 钕铁硼氢粉碎吸氢过程合金氢含量检测模型仿真验证 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于支持向量机的钕铁硼氢粉碎监测系统软件设计 | 第44-57页 |
| 4.1 系统总体方案 | 第44页 |
| 4.2 上位机构成与功能设计 | 第44-45页 |
| 4.3 数据库以及与 Matlab 之间数据传输 | 第45-49页 |
| 4.3.1 SQLServer 数据库 | 第45-46页 |
| 4.3.2 创建数据库 | 第46-47页 |
| 4.3.3 ODBC 技术 | 第47-48页 |
| 4.3.4 建立数据库与 MATLAB 连接 | 第48-49页 |
| 4.4 上位机应用界面设计 | 第49-51页 |
| 4.5 预测模型与 Wincc 之间 OPC 通讯 | 第51-55页 |
| 4.5.1 OPC 技术 | 第52-53页 |
| 4.5.2 预测模型与 WinCC 之间 OPC 通讯的实现 | 第53-55页 |
| 4.6 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录A 上位机部分程序代码 | 第63-66页 |
| 在学研究成果 | 第66-67页 |
| 致谢 | 第67页 |
