| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 高浓磨浆过程研究现状 | 第15-16页 |
| 1.2.1 化学机械制浆生产过程概述 | 第15页 |
| 1.2.2 磨浆机理研究现状 | 第15-16页 |
| 1.2.3 高浓磨浆系统概况 | 第16页 |
| 1.3 高浓磨浆系统游离度软测量的必要性和现状 | 第16-23页 |
| 1.3.1 高浓磨浆系统游离度检测的重要性和现状 | 第16-20页 |
| 1.3.2 高浓磨浆系统游离度在线软测量研究的必要性 | 第20页 |
| 1.3.3 软测量技术及其概况 | 第20-23页 |
| 1.4 支持向量机发展与现状 | 第23-24页 |
| 1.5 本文主要工作及内容安排 | 第24-27页 |
| 第2章 化学机械制浆生产过程描述及高浓磨浆系统动态特征分析 | 第27-39页 |
| 2.1 引言 | 第27页 |
| 2.2 化学机械制浆生产过程介绍 | 第27-32页 |
| 2.2.1 木片预处理 | 第27-28页 |
| 2.2.2 高浓磨浆 | 第28-30页 |
| 2.2.3 粗浆漂白与洗涤 | 第30页 |
| 2.2.4 低浓磨浆 | 第30-31页 |
| 2.2.5 渣浆磨浆 | 第31页 |
| 2.2.6 纤维回收 | 第31-32页 |
| 2.2.7 浆料浓缩脱水 | 第32页 |
| 2.3 磨浆机理研究概述 | 第32-35页 |
| 2.3.1 帚化理论 | 第33页 |
| 2.3.2 比边缘负荷理论 | 第33-34页 |
| 2.3.3 比表面负荷理论 | 第34-35页 |
| 2.3.4 游离度静态模型 | 第35页 |
| 2.4 高浓磨浆系统动态特征分析 | 第35-38页 |
| 2.4.1 高浓磨浆系统主要过程参数及品质指标介绍 | 第35-36页 |
| 2.4.2 高浓磨浆系统动态特细及复杂性分析 | 第36-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于改进ε-SVR的高浓磨浆系统游离度软测量建模 | 第39-71页 |
| 3.1 引言 | 第39页 |
| 3.2 支持向量机的基本原理 | 第39-48页 |
| 3.2.1 理论背景 | 第39-41页 |
| 3.2.2 支持向量机 | 第41-48页 |
| 3.3 数据处理与主元分析特征提取 | 第48-52页 |
| 3.3.1 数据处理 | 第48-49页 |
| 3.3.2 主元分析特征提取 | 第49-52页 |
| 3.4 参数优化 | 第52-57页 |
| 3.4.1 交叉验证 | 第52页 |
| 3.4.2 粒子群算法的理论和特点 | 第52-57页 |
| 3.5 数据驱动软测量建模策略与模型评价标准 | 第57-59页 |
| 3.5.1 数据驱动软测量建模策略 | 第57-58页 |
| 3.5.2 软测量模型评价标准 | 第58-59页 |
| 3.6 基于改进ε-SVR的软测量建模方法 | 第59-64页 |
| 3.6.1 基于交叉验证优化MK-ε-SVR的建模方法 | 第59-60页 |
| 3.6.2 基于自适应变异粒子群算法优化MK-ε-SVR的建模方法 | 第60-62页 |
| 3.6.3 UCI测试数据验证实验 | 第62-64页 |
| 3.7 工业试验研究 | 第64-70页 |
| 3.7.1 基于CV-MK-ε-SVR的高浓磨浆系统游离度软测量建模 | 第64-67页 |
| 3.7.2 基于AMPSO-MK-ε-SVR的高浓磨浆系统游离度软测量建模 | 第67-70页 |
| 3.8 本章小结 | 第70-71页 |
| 第4章 基于改进LS-SVR的高浓磨浆系统游离度软测量建模 | 第71-87页 |
| 4.1 引言 | 第71页 |
| 4.2 最小二乘支持向量机 | 第71-75页 |
| 4.2.1 LS-SVR基本原理 | 第71-72页 |
| 4.2.2 自回归移动平均模型 | 第72-73页 |
| 4.2.3 多核最小二乘支持向量机(LS-SVR-ARMA2K) | 第73-75页 |
| 4.3 基于LS-SVR-ARMA2K的软测量建模方法 | 第75-77页 |
| 4.3.1 基于交叉验证优化LS-SVR-ARMA2K的建模方法 | 第76页 |
| 4.3.2 基于自适应变异粒子群算法优化LS-SVR-ARMA2K的建模方法 | 第76-77页 |
| 4.3.3 UCI测试数据验证实验 | 第77页 |
| 4.4 工业试验研究 | 第77-86页 |
| 4.4.1 LS-SVR-ARMA_(2K)不同优化方法效果对比 | 第78-81页 |
| 4.4.2 MK-ε-SVR、BP神经网络与LS-SVR-ARMA_(2K)建模及预测效果对比研究 | 第81-86页 |
| 4.5 本章小结 | 第86-87页 |
| 第5章 总结与展望 | 第87-89页 |
| 5.1 总结 | 第87-88页 |
| 5.2 展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93-95页 |
| 攻读硕士学位期间科研工作及获奖情况 | 第95页 |
