竹材热力学特性的集成学习软测量技术研究
摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
1 绪论 | 第9-17页 |
·研究背景及意义 | 第9-11页 |
·国内外研究现状 | 第11-13页 |
·国外研究现状 | 第11-12页 |
·国内研究现状 | 第12-13页 |
·存在问题及解决方法 | 第13-15页 |
·论文研究内容及构成 | 第15-17页 |
2 竹材热力学特性分析与软测量方案 | 第17-27页 |
·竹材热压工艺 | 第17-19页 |
·“热进热出”工艺 | 第17页 |
·“冷进冷出”工艺 | 第17-18页 |
·“温进温出”工艺 | 第18-19页 |
·竹材热力学特性参数分析 | 第19-20页 |
·实验测量方法 | 第20-22页 |
·密度ρ的测量方法 | 第20-21页 |
·比较法测试竹材的比热C_p | 第21-22页 |
·基于集成学习的软测量方法 | 第22-26页 |
·软测量系统结构 | 第22-24页 |
·软测量算法原理 | 第24-26页 |
·本章小结 | 第26-27页 |
3 基于灰色理论的软测量模型 | 第27-35页 |
·灰色模型理论 | 第27-28页 |
·基于灰色动态模型的软测量模型方法 | 第28-30页 |
·基于PSO的参数优化 | 第30-33页 |
·算法流程 | 第32-33页 |
·编码表示 | 第33页 |
·目标函数 | 第33页 |
·本章小结 | 第33-35页 |
4 基于神经网络的软测量模型与模型集成 | 第35-43页 |
·神经算法原理 | 第35-36页 |
·神经网络算子的设计 | 第36-40页 |
·隐层的设计 | 第36-38页 |
·输入和输出的选取 | 第38页 |
·隐层神经元数目的选择 | 第38-39页 |
·BP神经网络学习方式的设计 | 第39-40页 |
·基于信息熵的模型集成 | 第40-42页 |
·本章小结 | 第42-43页 |
5 工业应用与系统仿真 | 第43-54页 |
·软测量系统结构 | 第43-47页 |
·硬件结构 | 第43-44页 |
·软件结构 | 第44-47页 |
·软测量系统实现 | 第47-50页 |
·软测量数据预处理 | 第47-48页 |
·灰色软测量模型的实现 | 第48-49页 |
·集成软测量的实现 | 第49-50页 |
·系统仿真 | 第50-53页 |
·本章小结 | 第53-54页 |
6 结论与展望 | 第54-56页 |
·结论 | 第54页 |
·展望 | 第54-56页 |
参考文献 | 第56-59页 |
附录 | 第59-60页 |
致谢 | 第60页 |