黄酒发酵过程酸败预测及相关参数检测技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 论文研究背景和意义 | 第12-17页 |
| 1.1.1 引言 | 第12页 |
| 1.1.2 黄酒生产工艺流程 | 第12-15页 |
| 1.1.3 黄酒发酵过程特点 | 第15-16页 |
| 1.1.4 黄酒发酵过程需求与挑战 | 第16-17页 |
| 1.2 黄酒发酵过程研究现状及成果 | 第17-19页 |
| 1.2.1 黄酒发酵过程自动化研究现状 | 第17-18页 |
| 1.2.2 黄酒发酵酸败预测研究现状 | 第18-19页 |
| 1.3 本文研究内容及结构安排 | 第19-22页 |
| 1.3.1 研究内容 | 第19页 |
| 1.3.2 结构安排 | 第19-22页 |
| 2 黄酒发酵过程醪液酸败预测基本原理 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 发酵过程酸败问题分析 | 第22-25页 |
| 2.2.1 酸败的定义 | 第22-23页 |
| 2.2.2 酸败研究重要性 | 第23页 |
| 2.2.3 总酸量的检测 | 第23页 |
| 2.2.4 酸败的原因 | 第23-25页 |
| 2.2.5 酸败的表现 | 第25页 |
| 2.3 黄酒发酵过程酸败预测方案的提出 | 第25-26页 |
| 2.4 特征变量的选择 | 第26-30页 |
| 2.4.1 特征变量的选择原则 | 第26页 |
| 2.4.2 温度与酸败的关系 | 第26-28页 |
| 2.4.3 pH值与酸败的关系 | 第28-29页 |
| 2.4.4 DO与酸败的关系 | 第29-30页 |
| 2.5 特征变量总结分析 | 第30页 |
| 2.6 本章小结 | 第30-32页 |
| 3 黄酒发酵过程酸败预测系统 | 第32-62页 |
| 3.1 引言 | 第32页 |
| 3.2 模糊逻辑理论 | 第32-40页 |
| 3.2.1 模糊逻辑理论概述 | 第32-33页 |
| 3.2.2 模糊集合 | 第33-35页 |
| 3.2.3 模糊集合的运算 | 第35页 |
| 3.2.4 模糊关系与模糊关系的合成 | 第35-36页 |
| 3.2.5 模糊逻辑及模糊推理 | 第36-39页 |
| 3.2.6 模糊化和解模糊化 | 第39-40页 |
| 3.3 人工神经网络 | 第40-45页 |
| 3.3.1 人工神经网络概述 | 第40-41页 |
| 3.3.2 神经网络基本概念 | 第41-43页 |
| 3.3.3 神经网络学习算法 | 第43-45页 |
| 3.4 发酵过程酸败预测模型的建立 | 第45-47页 |
| 3.5 预测系统结构与算法 | 第47-51页 |
| 3.5.1 减法聚类 | 第47-48页 |
| 3.5.2 ANFIS结构与算法 | 第48-51页 |
| 3.6 仿真及结果分析 | 第51-60页 |
| 3.6.1 数据预处理 | 第51-52页 |
| 3.6.2 仿真 | 第52-53页 |
| 3.6.3 仿真结果分析 | 第53-60页 |
| 3.7 本章小结 | 第60-62页 |
| 4 发酵过程自动化控制与取样检测系统设计 | 第62-76页 |
| 4.1 引言 | 第62页 |
| 4.2 综合自动化控制系统设计简介 | 第62-65页 |
| 4.3 发酵过程控制流程及系统设计 | 第65-67页 |
| 4.4 黄酒发酵过程关键参数检测技术 | 第67-71页 |
| 4.4.1 温度在线检测技术 | 第68-69页 |
| 4.4.2 pH在线检测技术 | 第69-70页 |
| 4.4.3 DO在线检测技术 | 第70-71页 |
| 4.5 发酵过程关键参数检测采样平台设计 | 第71-74页 |
| 4.5.1 发酵过程参数检测难点 | 第71-72页 |
| 4.5.2 分析仪表取样操作平台的设计与原理 | 第72-74页 |
| 4.6 本章小结 | 第74-76页 |
| 5 总结与展望 | 第76-80页 |
| 5.1 本文主要研究工作与创新点 | 第76-78页 |
| 5.2 未来研究方向的展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
