| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第11-26页 |
| 1.1 引言 | 第11-12页 |
| 1.2 软测量模型的描述 | 第12-13页 |
| 1.3 建立软测量模型的方法 | 第13-17页 |
| 1.4 影响软测量模型性能的主要因素 | 第17-20页 |
| 1.5 软测量模型的维护 | 第20页 |
| 1.6 全文的主要内容和安排 | 第20-26页 |
| 第二章 基于改进算法的模糊神经网络的软测量建模方法 | 第26-35页 |
| 2.1 引言 | 第26-27页 |
| 2.2 模糊神经网络原理 | 第27-28页 |
| 2.3 改进的模糊神经网络 | 第28-32页 |
| 2.4 基于改进模糊神经网络的熔融指数的软测量 | 第32-34页 |
| 2.5 小结 | 第34-35页 |
| 第三章 基于混合学习的一阶TSK模糊神经网络的软测量建模方法 | 第35-51页 |
| 3.1 引言 | 第35-36页 |
| 3.2 TSK模糊神经网络简介 | 第36-37页 |
| 3.3 模糊神经网络的混合学习算法 | 第37-42页 |
| 3.4 仿真实例 | 第42-46页 |
| 3.5 工业应用实例 | 第46-49页 |
| 3.6 小结 | 第49-51页 |
| 第四章 基于混合多机理模型的软测量建模方法 | 第51-63页 |
| 4.1 引言 | 第51-53页 |
| 4.2 混合多模型的结构及学习算法 | 第53-56页 |
| 4.3 混合多模型软测量方法估计PX氧化过程中的4-CBA含量 | 第56-61页 |
| 4.4 小结 | 第61-63页 |
| 第五章 PLS软测量模型的滚动校正方法及其在PTA平均粒径估计中的应用 | 第63-77页 |
| 5.1 引言 | 第63-64页 |
| 5.2 引起PLS软测量模型失效的主要因素 | 第64-66页 |
| 5.3 限定记忆部分最小二乘算法 | 第66-69页 |
| 5.4 基于限定记忆PLS算法的PTA平均粒径软测量 | 第69-75页 |
| 5.5 小结 | 第75-77页 |
| 第六章 软测量模型主导变量与-过程变量之间的时序匹配方法 | 第77-91页 |
| 6.1 引言 | 第77页 |
| 6.2 最大相关系数法 | 第77-78页 |
| 6.3 模糊曲线法 | 第78-80页 |
| 6.4 仿真实例 | 第80-81页 |
| 6.5 工业应用实例 | 第81-89页 |
| 6.6 小结 | 第89-91页 |
| 第七章 结论与展望 | 第91-94页 |
| 7.1 论文内容总结 | 第91-92页 |
| 7.2 软测量技术展望 | 第92-94页 |
| 作者在攻读博士学位期间完成的工作 | 第94-95页 |
| 致谢 | 第95页 |
