基于模糊神经网络的甲醇合成塔转化率软测量建模的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10-11页 |
| ·软测量技术 | 第11-14页 |
| ·软测量的基本原理 | 第11页 |
| ·软测量的建模方法 | 第11-13页 |
| ·软测量技术的工业应用 | 第13-14页 |
| ·软测量技术在甲醇工业中的应用 | 第14-15页 |
| ·本文的工作及组织 | 第15-17页 |
| ·主要研究内容 | 第15-16页 |
| ·章节安排 | 第16-17页 |
| 第2章 基于模糊神经网络的软测量技术 | 第17-27页 |
| ·引言 | 第17页 |
| ·模糊神经网络概述 | 第17-20页 |
| ·模糊神经元 | 第17-19页 |
| ·模糊技术和神经网络的结合 | 第19页 |
| ·模糊神经网络的特点 | 第19-20页 |
| ·模糊神经网络结构及学习算法 | 第20-22页 |
| ·模糊神经网络的结构 | 第20-21页 |
| ·模糊神经网络学习算法 | 第21-22页 |
| ·主元分析法和核主元分析法 | 第22-25页 |
| ·主元分析法(PCA) | 第22-23页 |
| ·核主元分析法(KPCA) | 第23-25页 |
| ·基于KPCA的模糊神经网络模型 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 差分进化算法的研究与改进 | 第27-52页 |
| ·引言 | 第27页 |
| ·基本差分进化算法 | 第27-31页 |
| ·算法简介 | 第27-28页 |
| ·算法基本要素 | 第28页 |
| ·算法步骤 | 第28-31页 |
| ·基本差分进化算法的改进 | 第31-35页 |
| ·改进方案一 ADE自适应变异 | 第31-32页 |
| ·改进方案二 SMDE嵌入单纯形 | 第32-34页 |
| ·改进方案三 CDE时变交叉概率 | 第34-35页 |
| ·增强型差分进化算法GSMDE | 第35-37页 |
| ·常用测试函数及其性能指标 | 第37-42页 |
| ·仿真实验 | 第42-51页 |
| ·时变交叉概率CR的选择 | 第42-44页 |
| ·寻优率p_x和适应值方差上限σ的选择 | 第44-47页 |
| ·GSMDE和DE仿真性能比较 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 甲醇合成塔转化率的软测量建模 | 第52-65页 |
| ·引言 | 第52页 |
| ·甲醇合成过程简介 | 第52-56页 |
| ·合成工艺分析 | 第52-55页 |
| ·转化率影响因素 | 第55-56页 |
| ·合成过程的软测量建模 | 第56-61页 |
| ·辅助变量的选择 | 第56-57页 |
| ·数据采集 | 第57-58页 |
| ·数据预处理 | 第58-59页 |
| ·辅助变量的二次选择 | 第59-61页 |
| ·GSMDE与DE的建模方法比较 | 第61-64页 |
| ·基于GSMDE的软测量建模 | 第61-62页 |
| ·基于DE的软测量建模 | 第62页 |
| ·GSMDE-NN和DE-NN模型性能比较 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 软测量模块的实现 | 第65-71页 |
| ·引言 | 第65页 |
| ·软测量系统的开发平台和开发工具的选择 | 第65-68页 |
| ·软测量系统软件特点 | 第65页 |
| ·软测量系统的硬件组成 | 第65-67页 |
| ·软测量系统的软件开发平台 | 第67-68页 |
| ·软件部分功能 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·本文研究工作总结 | 第71页 |
| ·进一步的讨论和展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 作者在攻读硕士学位期间发表的论文 | 第79页 |
