| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景与意义 | 第8页 |
| 1.2 软测量技术的国内外研究现状 | 第8-11页 |
| 1.3 群智能优化算法的研究现状 | 第11页 |
| 1.4 聚类方法研究现状 | 第11-12页 |
| 1.5 多模型软测量建模研究现状 | 第12-14页 |
| 1.6 论文的主要内容和结构安排 | 第14-15页 |
| 第二章 双酚A生产工艺介绍 | 第15-21页 |
| 2.1 硫酸法 | 第15-16页 |
| 2.2 氯化氢法 | 第16-17页 |
| 2.3 离子交换树脂法 | 第17-20页 |
| 2.3.1 裂解回收单元工艺流程 | 第18-19页 |
| 2.3.2 反应/脱水单元工艺流程 | 第19页 |
| 2.3.3 结晶单元工艺流程 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于量子粒子群优化的RVM软测量模型 | 第21-29页 |
| 3.1 引言 | 第21页 |
| 3.2 相关向量机回归算法 | 第21-23页 |
| 3.3 量子粒子群算法 | 第23页 |
| 3.4 核宽度的量子粒子群优化算法 | 第23-24页 |
| 3.5 应用结果及分析 | 第24-28页 |
| 3.5.1 案例一：电厂电能输出软测量建模 | 第24-26页 |
| 3.5.2 案例二：裂解回收单元BPA含量软测量建模 | 第26-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 基于密度峰和K-means联合聚类算法的软测量建模 | 第29-41页 |
| 4.1 引言 | 第29-30页 |
| 4.2 随机森林回归算法 | 第30-31页 |
| 4.3 密度峰和K-means联合聚类算法 | 第31-35页 |
| 4.4 DP&K-means聚类多模型软测量建模 | 第35-36页 |
| 4.5 仿真结果及分析 | 第36-40页 |
| 4.4.1 案例一：H2S含量软测量建模 | 第36-38页 |
| 4.4.2 案例二：反应/脱水单元BPA含量软测量建模 | 第38-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第五章 基于LSSVM多模型融合与误差补偿的软测量建模 | 第41-50页 |
| 5.1 引言 | 第41-42页 |
| 5.2 基于LSSVM的多模型融合算法 | 第42-43页 |
| 5.3 基于LSSVM的误差补偿模型 | 第43页 |
| 5.4 基于LSSVM模型的多模型软测量建模 | 第43-44页 |
| 5.5 仿真研究 | 第44-49页 |
| 5.5.1 案例一：C3含量软测量建模 | 第44-47页 |
| 5.5.2 案例二：反应/脱水单元BPA含量软测量建模 | 第47-48页 |
| 5.5.3 案例三：结晶单元BPA含量软测量建模 | 第48-49页 |
| 5.6 本章小结 | 第49-50页 |
| 第六章 主要结论与展望 | 第50-52页 |
| 主要结论 | 第50页 |
| 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第57页 |
