首页--工业技术论文--化学工业论文--合成树脂与塑料工业论文--聚合类树脂及塑料论文--聚烯烃类及塑料论文

基于SFA和DBN的聚丙烯熔融指数软测量方法研究

摘要第4-5页
abstract第5-6页
第1章 绪论第9-13页
    1.1 课题的研究背景及意义第9页
    1.2 课题国内外研究现状第9-11页
        1.2.1 机理建模第9-10页
        1.2.2 基于数据驱动的建模第10-11页
    1.3 论文主要内容及结构安排第11-13页
第2章 聚丙烯熔融指数软测量技术概述第13-24页
    2.1 软测量技术概述第13-18页
        2.1.1 软测量技术基本原理第13-14页
        2.1.2 传统软测量建模方法第14-16页
        2.1.3 深度置信网络第16-17页
        2.1.4 慢特征分析第17-18页
    2.2 聚丙烯生产过程第18-23页
        2.2.1 Spheripol工艺第18-21页
        2.2.2 聚合反应机理第21-22页
        2.2.3 辅助变量的选择第22-23页
    2.3 本章小结第23-24页
第3章 基于非线性慢特征回归的软测量建模第24-33页
    3.1 慢特征分析算法第24-28页
        3.1.1 慢特征算法的基本原理第24-26页
        3.1.2 慢特征分析的物理特性第26-27页
        3.1.3 动态慢特征分析第27-28页
    3.2 软测量模型的建立第28-30页
    3.3 仿真研究第30-32页
    3.4 本章小结第32-33页
第4章 基于DBN-ELM的软测量建模第33-51页
    4.1 深度学习概述第33页
    4.2 深度学习的基本模型第33-36页
        4.2.1 卷积神经网络第33-34页
        4.2.2 自动编码器第34-35页
        4.2.3 稀疏编码第35-36页
    4.3 受限玻尔兹曼机第36-41页
        4.3.1 受限玻尔兹曼机概述第36-38页
        4.3.2 受限玻尔兹曼机的训练算法第38-40页
        4.3.3 RBM参数设置第40-41页
    4.4 深度置信网络第41-43页
        4.4.1 深度置信网络概述第41-42页
        4.4.2 深度置信网络的训练算法第42-43页
    4.5 软测量模型的建立第43-46页
        4.5.1 极限学习机第43-44页
        4.5.2 基于DBN-ELM的软测量模型第44-46页
    4.6 仿真研究第46-50页
    4.7 本章小结第50-51页
第5章 基于IDBN-GM的动态软测量建模第51-61页
    5.1 灰色系统理论概述第51-52页
        5.1.1 灰理论的研究内容第51-52页
    5.2 GM(1,1)模型第52-55页
        5.2.1 GM(1,1)模型的建立第52-54页
        5.2.2 GM(1,1)模型的有偏性第54-55页
        5.2.3 无偏GM(1,1)模型第55页
    5.3 动态软测量模型的建立第55-57页
    5.4 仿真研究第57-60页
    5.5 本章小结第60-61页
总结与展望第61-63页
参考文献第63-70页
攻读硕士学位期间取得的学术成果第70-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:N,N-二联烷基吡咯烷酮的制备及表征
下一篇:改性HZSM-5分子筛甲苯甲醇择形烷基化反应性能研究