| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究应用现状 | 第10-13页 |
| 1.2.1 造纸原材料材性对制浆性能影响的研究进展 | 第10-11页 |
| 1.2.2 近红外模型用于制浆材快速检测的研究进展 | 第11-12页 |
| 1.2.3 先进控制用于造纸过程控制的研究进展 | 第12-13页 |
| 1.3 研究方向与主要研究内容 | 第13-14页 |
| 第二章 多元回归分析在造纸材优选中的应用 | 第14-23页 |
| 2.1 方法原理 | 第15-16页 |
| 2.1.1 MLR原理 | 第15页 |
| 2.1.2 PLSR原理 | 第15-16页 |
| 2.1.3 模型评价指标 | 第16页 |
| 2.2 应用实例及分析 | 第16-22页 |
| 2.2.1 不同制浆方式纸浆得率影响因素相关性分析 | 第16-20页 |
| 2.2.2 基于PLSR的针叶材纸浆得率影响因素相关性分析 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于ANN的造纸材近红外预测模型优化 | 第23-33页 |
| 3.1 原理和评价指标 | 第23-25页 |
| 3.1.1 主成分分析原理 | 第23-24页 |
| 3.1.2 人工神经网络原理 | 第24-25页 |
| 3.1.3 预测模型的性能评价指标 | 第25页 |
| 3.2 制浆材近红外分析建模实验与讨论 | 第25-32页 |
| 3.2.1 数据采集 | 第25-26页 |
| 3.2.2 样品化学成分标准值测定 | 第26页 |
| 3.2.3 建模样本的选取 | 第26-27页 |
| 3.2.4 光谱预处理 | 第27页 |
| 3.2.5 PLSR建模及预测 | 第27-28页 |
| 3.2.6 ANN建模及预测 | 第28-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于GA和PSO算法的PID控制器优化整定 | 第33-49页 |
| 4.1 遗传算法原理及改进策略 | 第33-36页 |
| 4.1.1 选择方法的改进 | 第34-35页 |
| 4.1.2 基于改进GA算法的PID参数整定 | 第35-36页 |
| 4.2 粒子群算法原理及改进策略 | 第36-39页 |
| 4.2.1 选择方法的改进 | 第37-38页 |
| 4.2.2 改进PSO算法优化PID参数 | 第38-39页 |
| 4.3 流浆箱总压PID参数优化控制 | 第39-43页 |
| 4.3.1 流浆箱总压控制原理 | 第39-40页 |
| 4.3.2 仿真实验与分析 | 第40-43页 |
| 4.4 黑液液位PID参数优化控制 | 第43-47页 |
| 4.4.1 黑液蒸发工艺流程 | 第43-44页 |
| 4.4.2 黑液液位控制系统模型 | 第44页 |
| 4.4.3 仿真实验与分析 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 研究内容总结 | 第49-50页 |
| 5.2 不足与展望 | 第50-51页 |
| 攻读学位期间发表的学术论文 | 第51-52页 |
| 参考文献 | 第52-57页 |
