整合数据校正的过失误差侦破方法研究
| 符号说明 | 第1-11页 |
| 前言 | 第11-13页 |
| 1 文献综述 | 第13-31页 |
| ·概述 | 第13页 |
| ·化工过程数据校正的必要性 | 第13-14页 |
| ·数据校正的主要内容及应用领域 | 第14-15页 |
| ·数据校正的主要内容 | 第14-15页 |
| ·数据校正的主要应用领域 | 第15页 |
| ·数据校正技术研究进展 | 第15-28页 |
| ·数据校正 | 第15-18页 |
| ·过失误差侦破的研究进展 | 第18-21页 |
| ·过失误差侦破的方法 | 第21-28页 |
| ·测量数据的冗余度 | 第28-29页 |
| ·本文工作的主要内容 | 第29-31页 |
| 2 基于不等式约束的数据校正方法研究 | 第31-40页 |
| ·概述 | 第31页 |
| ·数据校正的基本原理 | 第31-33页 |
| ·线性问题的解 | 第32页 |
| ·非线性问题的解 | 第32-33页 |
| ·基于不等式约束的数据校正 | 第33-38页 |
| ·不等式约束数据校正的原理 | 第33-35页 |
| ·仅有随机误差时的数据校正 | 第35-37页 |
| ·利用不等式约束数据校正侦破过程泄漏 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 3 基于不等式约束的过失误差侦破方法研究 | 第40-59页 |
| ·概述 | 第40页 |
| ·不等式约束的数据校正直接应用于过失误差侦破 | 第40-48页 |
| ·甲醇合成装置蒸汽动力系统流程 | 第41-42页 |
| ·测量数据中仅有随机误差 | 第42-43页 |
| ·测量数据中含有过失误差 | 第43-48页 |
| ·基于不等式约束的MT-NT过失误差侦破策略 | 第48-54页 |
| ·MT-NT联合检验算法 | 第48-49页 |
| ·基于不等式约束的MT-NT算法步骤 | 第49-50页 |
| ·实例研究 | 第50-54页 |
| ·工业实例 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 4 基于人工神经网络的过失误差侦破 | 第59-76页 |
| ·概述 | 第59页 |
| ·人工神经网络及其在数据校正中的应用 | 第59-61页 |
| ·人工神经网络分类 | 第61页 |
| ·人工神经网络模型简介 | 第61-69页 |
| ·人工神经元 | 第62-63页 |
| ·网络结构 | 第63-64页 |
| ·神经网络的学习和训练规则 | 第64-65页 |
| ·神经网络的特点 | 第65页 |
| ·神经网络训练模式 | 第65-68页 |
| ·神经网络性能评价 | 第68-69页 |
| ·过失误差侦破 | 第69-71页 |
| ·基于神经网络的过失误差侦破新策略 | 第71-74页 |
| ·概述 | 第71-72页 |
| ·研究实例 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表的学术论文目录 | 第82-83页 |
| 独创性声明 | 第83页 |
| 关于论文使用授权的说明 | 第83页 |
