| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题来源与背景 | 第10-12页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 研究背景 | 第10-12页 |
| 1.2 课题目的与意义 | 第12-14页 |
| 1.2.1 研究目的 | 第12-13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 MDF厚度在线检测国内外发展现状 | 第14-15页 |
| 1.3.1 国内发展现状 | 第14页 |
| 1.3.2 国外发展现状 | 第14-15页 |
| 1.4 课题研究主要内容 | 第15-16页 |
| 2 MDF厚度在线检测系统设计 | 第16-24页 |
| 2.1 MDF板厚在线检测系统组成 | 第16-19页 |
| 2.1.1 MDF厚度在线检测系统设计要求 | 第16-18页 |
| 2.1.2 检测的系统设计 | 第18-19页 |
| 2.2 系统控制装置设计 | 第19-20页 |
| 2.2.1 控制方案设计 | 第20页 |
| 2.3 MDF厚度在线检测流程 | 第20-21页 |
| 2.4 检测步骤及注意事项 | 第21-22页 |
| 2.4.1 检测步骤 | 第21-22页 |
| 2.4.2 注意事项 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 3 MDF厚度在线检测试验及数据预处理 | 第24-36页 |
| 3.1 MDF板在线检测试验及数据采集 | 第24-27页 |
| 3.1.1 MDF厚度检测试验 | 第24-26页 |
| 3.1.2 MDF厚度真值的标定 | 第26-27页 |
| 3.2 MDF厚度数据预处理 | 第27-30页 |
| 3.2.1 MDF厚度混合滤波预处理 | 第27-30页 |
| 3.3 MDF厚度数据预处理结果 | 第30-34页 |
| 3.3.1 小波分析处理结果 | 第30-31页 |
| 3.3.2 小波包变换滤波结果 | 第31-32页 |
| 3.3.3 滤波结果分析 | 第32-33页 |
| 3.3.4 小波包-卡尔曼混合滤波预处理结果 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 基于SVM回归的MDF厚度在线检测算法 | 第36-44页 |
| 4.1 SVM回归算法基本原理 | 第36-39页 |
| 4.1.1 ε-支持向量回归模型 | 第36-38页 |
| 4.1.2 v-支持向量回归模型 | 第38-39页 |
| 4.2 核函数 | 第39-40页 |
| 4.2.1 线性核函数 | 第39页 |
| 4.2.2 RBF核函数 | 第39-40页 |
| 4.2.3 多项式核函数 | 第40页 |
| 4.2.4 Sigmoid核函数 | 第40页 |
| 4.3 基于SVR的MDF厚度预测 | 第40-41页 |
| 4.3.1 SVR用于厚度预测 | 第40页 |
| 4.3.2 MDF板厚SVR流程设计 | 第40-41页 |
| 4.3.3 样本选择 | 第41页 |
| 4.4 核函数的选取结果与分析 | 第41-43页 |
| 4.4.1 核函数类型的选取结果 | 第41-42页 |
| 4.4.2 不同核函数实验结果分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 基于优化SVM回归的MDF厚度在线检测算法 | 第44-52页 |
| 5.1 群智能算法优化SVR参数 | 第44页 |
| 5.2 粒子群算法优化SVR | 第44-46页 |
| 5.2.1 粒子群算法原理 | 第44-45页 |
| 5.2.2 粒子群算法基本流程 | 第45页 |
| 5.2.3 PSO-SVR厚度预测模型建立 | 第45-46页 |
| 5.3 改进粒子群算法优化SVR | 第46-47页 |
| 5.3.1 常用改进粒子群算法 | 第46-47页 |
| 5.3.2 基于权重梯度调整PSO优化SVR | 第47页 |
| 5.4 核参数对SVR预测结果的影响 | 第47-51页 |
| 5.4.1 PSO-SVR优化结果 | 第48页 |
| 5.4.2 改进粒子群算法优化SVR结果 | 第48-50页 |
| 5.4.3 基于权重梯度调整PSO优化SVR的MDF厚度预测结果 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58-59页 |