首页--工业技术论文--化学工业论文--其他化学工业论文--发酵工业论文--一般性问题论文

多模型软测量建模方法研究及其在生物发酵过程中的应用

摘要第1-6页
ABSTRACT第6-8页
目录第8-10页
第一章 绪论第10-24页
   ·引言第10-11页
   ·软测量技术基本原理第11-15页
   ·国内外研究现状第15-21页
     ·基于传统测量方法的生物量离线测量第15页
     ·基于现代传感器技术的生物量离线测量第15页
     ·基于软测量技术的生物量在线估计第15-20页
     ·软测量技术工业过程应用第20-21页
   ·本课题的研究意义第21-22页
   ·论文的研究内容和结构第22-24页
第二章 模糊聚类算法及其改进第24-43页
   ·引言第24页
   ·模糊划分第24-25页
   ·传统模糊聚类算法第25-29页
     ·FCM算法第25-27页
     ·核模糊C均值聚类算法第27-28页
     ·传统聚类算法存在的问题第28-29页
   ·改进聚类算法第29-41页
     ·基于PSO的核模糊聚类算法(PSKFCM)第29-35页
     ·仿射传播聚类算法第35-41页
   ·小结第41-43页
第三章 多模型软测量建模方法研究第43-57页
   ·引言第43页
   ·多模型建模方法第43-46页
     ·基于加权方式的多模型方法第43-45页
     ·基于切换方式的多模型方法第45-46页
   ·多模型神经网络软测量建模第46-53页
     ·反向传播神经网络第46-50页
     ·基于PSKFCM算法的多模型神经网络建模方法第50-51页
     ·基于AP算法的多模型神经网络建模方法第51-53页
   ·多模型软测量建模方法仿真实验第53-56页
     ·基于PSKFCM算法的多模型建模仿真第53-55页
     ·基于AP算法的多模型与单一神经网络模型仿真对比第55-56页
   ·小结第56-57页
第四章 多模型软测量建模方法在红霉素发酵过程中的应用第57-68页
   ·引言第57页
   ·红霉素发酵过程简介第57-59页
   ·红霉素发酵过程生物量浓度的预测仿真实验第59-66页
     ·基于PSKFCM的多模型神经网络生物量浓度软测量第61-64页
     ·基于AP算法的多模型神经网络生物量浓度软测量第64-66页
   ·小结第66-68页
第五章 总结与展望第68-70页
   ·主要工作总结第68-69页
   ·展望第69-70页
参考文献第70-75页
致谢第75-76页
攻读硕士学位期间参加的科研项目第76-77页
攻读硕士期间发表论文第77页

论文共77页,点击 下载论文
上一篇:原位插层硅树脂/蒙脱土纳米复合材料的制备及性能
下一篇:细水雾大空间局域环境调节的研究