| 第一章 引言 | 第1-12页 |
| ·课题背景 | 第8-9页 |
| ·论文的主要内容 | 第9-12页 |
| 第二章 软测量建模概述 | 第12-22页 |
| ·软测量建模方法 | 第12-17页 |
| ·对软测量模型的一般要求 | 第12-13页 |
| ·建模方法 | 第13-17页 |
| ·影响软测量模型性能的因素 | 第17-20页 |
| ·二次变量的选择 | 第17-18页 |
| ·数据预处理 | 第18-20页 |
| ·软测量模型的在线修正 | 第20-22页 |
| 第三章 部分最小二乘(PLS)方法 | 第22-37页 |
| ·引言 | 第22页 |
| ·PLS的基本思想 | 第22-31页 |
| ·PLS的特征向量选取和奇异值分解 | 第22-27页 |
| ·PLS特征向量选取的几何意义 | 第27-29页 |
| ·NIPALS算法 | 第29-31页 |
| ·PLS用于软测量建模 | 第31-37页 |
| ·PLS回归模型 | 第31-32页 |
| ·PLS模型的良好特性 | 第32-35页 |
| ·应用 | 第35-37页 |
| 第四章 神经网络／部分最小二乘(NNPLS)方法 | 第37-52页 |
| ·引言 | 第37-38页 |
| ·NNPLS方法的基本思想 | 第38-39页 |
| ·模型结构 | 第39-40页 |
| ·带约束的混合神经网络训练 | 第40-42页 |
| ·模型灵敏度分析 | 第42-45页 |
| ·NNPLS模型与MLPNN比较 | 第45-47页 |
| ·聚丙稀熔融指数(MFR)在线软测量 | 第47-52页 |
| ·建立MFR动态软测量模型 | 第47-49页 |
| ·现场投运结果 | 第49-52页 |
| 第五章 递推部分最小二乘／神经网络(RPLSNN)方法 | 第52-79页 |
| ·引言 | 第52页 |
| ·块式递推部分最小二乘(BLOCK-WISE RPLS) | 第52-55页 |
| ·RBF网络 | 第55页 |
| ·递推部分最小二乘／神经网络(RPLSNN) | 第55-70页 |
| ·模型结构 | 第56页 |
| ·确定模型参数 | 第56-66页 |
| ·改进的k-means聚类算法 | 第56-61页 |
| ·采用PLS回归确定线性参数a_p，h_q，b | 第61-62页 |
| ·RPLSNN模型同其它模型性能比较 | 第62-66页 |
| ·递推算法 | 第66-70页 |
| ·应用 | 第70-79页 |
| 第六章 软测量建模软件原型 | 第79-87页 |
| ·软件结构 | 第79页 |
| ·软件功能 | 第79-87页 |
| ·建模任务管理 | 第79-81页 |
| ·模型组态 | 第81-83页 |
| ·数据处理 | 第83-84页 |
| ·模型建立 | 第84-85页 |
| ·模型校验 | 第85-87页 |
| 第七章 结语 | 第87-90页 |
| ·本论文的主要贡献 | 第87-89页 |
| ·软测量技术的展望 | 第89-90页 |
| 参考文献 | 第90-92页 |
| 致谢 | 第92-93页 |
| 个人简历 | 第93页 |