精毛纺织品虚拟加工中的预报与反演模型研究
| 中文摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 精毛纺加工过程所用建模参数符号说明 | 第13-18页 |
| 第1章 绪论 | 第18-35页 |
| ·课题研究的背景及意义 | 第18-22页 |
| ·课题研究的背景 | 第18-20页 |
| ·课题研究的意义 | 第20-22页 |
| ·课题研究领域的现状 | 第22-35页 |
| ·毛纺织加工预报概况 | 第22页 |
| ·国内外纺织加工预报研究现状 | 第22-33页 |
| ·国内纺织加工预报研究存在的主要问题 | 第33页 |
| ·本课题研究的目标和主要内容 | 第33-35页 |
| 第2章 预报加工技术理论研究 | 第35-70页 |
| ·人工神经网络 | 第35-45页 |
| ·人工神经网络的结构与特征 | 第36-41页 |
| ·BP神经网络的构建、训练和仿真 | 第41-44页 |
| ·样本数据的预处理和后处理 | 第44-45页 |
| ·主成分和主因子分析 | 第45-50页 |
| ·主成分和主因子分析法 | 第46-48页 |
| ·主成分和主因子分析法在纺织中的应用 | 第48-50页 |
| ·基于案例的推理技术 | 第50-56页 |
| ·CBR系统结构、推理及其特点 | 第51-52页 |
| ·CBR系统要解决的关键问题 | 第52-56页 |
| ·CBR在纺织工业中的应用 | 第56页 |
| ·粗糙集理论技术 | 第56-62页 |
| ·粗糙集理论 | 第57-59页 |
| ·粗糙集理论特点及应用 | 第59-62页 |
| ·粗糙集理论在纺织上的应用 | 第62页 |
| ·遗传算法 | 第62-65页 |
| ·遗传算法理论 | 第62-63页 |
| ·遗传算法特点及应用 | 第63-64页 |
| ·遗传算法理论在纺织上的应用 | 第64-65页 |
| ·预报加工理论在本课题研究中的应用 | 第65-68页 |
| ·主成分和主因子分析法的应用 | 第65-66页 |
| ·基于案例和规则的混合推理(CBR&RBR)应用 | 第66-67页 |
| ·基于遗传算法的神经网络二次训练 | 第67-68页 |
| ·本章小节 | 第68-70页 |
| 第3章 精毛纺虚拟加工系统的研究与建立 | 第70-84页 |
| ·概述 | 第70-71页 |
| ·精毛纺织品加工建模分析 | 第71-77页 |
| ·精毛纺主要加工工序分析 | 第71-75页 |
| ·实验建模数据 | 第75-77页 |
| ·精毛纺虚拟加工 | 第77-83页 |
| ·虚拟加工的涵义 | 第77-78页 |
| ·基本模型及其作用 | 第78-80页 |
| ·虚拟加工实例与效果 | 第80-83页 |
| ·本章小节 | 第83-84页 |
| 第4章 精毛纺虚拟加工系统粗预报 | 第84-113页 |
| ·基本方式与构成 | 第84-85页 |
| ·精毛纺各加工工序粗糙集数据分析 | 第85-110页 |
| ·粗纱工序粗糙集数据分析 | 第85-93页 |
| ·细纱加工工序粗糙集数据分析 | 第93-97页 |
| ·细纱迭代预报粗糙集数据分析 | 第97-99页 |
| ·织造工序粗糙集数据分析 | 第99-105页 |
| ·后整理工序粗糙集数据分析 | 第105-110页 |
| ·预报实例 | 第110-112页 |
| ·本章小节 | 第112-113页 |
| 第5章 精毛纺智能预报加工与反演模型 | 第113-150页 |
| ·基本模型及评价 | 第113-114页 |
| ·模型建立的方法步骤 | 第113-114页 |
| ·模型的评价 | 第114页 |
| ·精毛纺各加工工序参数主因子分析 | 第114-129页 |
| ·基本方法 | 第114-115页 |
| ·粗纱加工工序 | 第115-118页 |
| ·细纱工序 | 第118-121页 |
| ·细纱迭代 | 第121-124页 |
| ·织造工序 | 第124-127页 |
| ·后整理工序 | 第127-129页 |
| ·精毛纺全程智能预测加工模型 | 第129-137页 |
| ·粗纱预测模型 | 第129-131页 |
| ·细纱预测模型 | 第131-133页 |
| ·织造智能预测模型 | 第133-135页 |
| ·后整理智能预测模型 | 第135-137页 |
| ·精毛纺反演模型的建立 | 第137-140页 |
| ·反演的作用 | 第137页 |
| ·精毛纺主要参数反演模型 | 第137-140页 |
| ·精毛纺虚拟加工模型的简化 | 第140-148页 |
| ·预测加工模型 | 第140-147页 |
| ·反演加工模型 | 第147-148页 |
| ·本章小节 | 第148-150页 |
| 第6章 精毛纺智能预报与反演模型的优化 | 第150-168页 |
| ·遗传算法的引入 | 第150-153页 |
| ·遗传算法和神经网络 | 第150-151页 |
| ·遗传算法优化神经网络的方法 | 第151-153页 |
| ·基于遗传算法的BP网络二次训练法 | 第153-157页 |
| ·遗传算法设计 | 第154-156页 |
| ·遗传算法实施步骤 | 第156-157页 |
| ·遗传算法程序 | 第157页 |
| ·神经网络预报加工模型优化 | 第157-164页 |
| ·粗纱预测模型优化 | 第157-158页 |
| ·细纱预测模型优化 | 第158-160页 |
| ·织造智能预测模型优化 | 第160-162页 |
| ·后整理智能预测模型优化 | 第162-164页 |
| ·神经网络反演模型优化 | 第164-166页 |
| ·训练方式及条件 | 第164页 |
| ·几个工序工艺参数的优化 | 第164-166页 |
| ·本章小节 | 第166-168页 |
| 第7章 结论与展望 | 第168-172页 |
| ·主要创新点及结论 | 第168-171页 |
| ·论文有待完善之处和建议今后研究的方向 | 第171-172页 |
| 参考文献 | 第172-180页 |
| 附录A 不同方法下各工序质量指标预报模型训练曲线 | 第180-200页 |
| 附录C 遗传算法优化前后反演模型训练曲线 | 第200-204页 |
| 附录D 三种简化模式下后整理预报模型训练曲线 | 第204-216页 |
| 附录E 简化后的反演模型GA优化前后训练曲线 | 第216-219页 |
| 附录F 遗传算法优化神经网络权重和阈值矩阵程序 | 第219-222页 |
| 攻读博士期间发表的学术论文 | 第222-224页 |
| 致谢 | 第224页 |
