基于嵌入式系统的在线训练软测量平台
致谢 | 第1-5页 |
摘要 | 第5-6页 |
Abstract | 第6-8页 |
目次 | 第8-11页 |
1 绪论 | 第11-19页 |
·引言 | 第11-12页 |
·研究现状和发展趋势 | 第12-14页 |
·课题研究背景及意义 | 第14-15页 |
·主要贡献与创新点 | 第15-16页 |
·章节安排 | 第16-17页 |
·本章小结 | 第17-19页 |
2 软测量技术与方法 | 第19-35页 |
·软测量技术 | 第19-22页 |
·软测量的特点 | 第19-20页 |
·软测量的应用步骤 | 第20-21页 |
·软测量方法 | 第21-22页 |
·神经网络与软测量 | 第22-27页 |
·神经网络的特点 | 第22-23页 |
·神经网络的模型与实现 | 第23-26页 |
·神经网络软测量 | 第26-27页 |
·支持向量机与软测量 | 第27-34页 |
·支持向量机的特点 | 第27-28页 |
·支持向量机的模型与实现 | 第28-33页 |
·支持向量机软测量 | 第33-34页 |
·本章小结 | 第34-35页 |
3 软测量平台硬件设计及实现 | 第35-63页 |
·硬件选型及方案设计 | 第35-39页 |
·设计要求 | 第36页 |
·微控制器选型 | 第36-39页 |
·系统模块化方案设计 | 第39页 |
·微控制器与核心板 | 第39-47页 |
·电源及供电方案 | 第40-42页 |
·微控制器系统电路 | 第42-44页 |
·存储系统扩展 | 第44-46页 |
·外围扩展接口 | 第46-47页 |
·功能扩展与底板 | 第47-52页 |
·RS232通信电路 | 第48页 |
·USB通信电路 | 第48-49页 |
·以太网通信电路 | 第49-50页 |
·模数转换与数模转换电路 | 第50-51页 |
·PWM输出与实时时钟 | 第51-52页 |
·人机接口与面板 | 第52-57页 |
·液晶显示 | 第53-55页 |
·按键电路 | 第55-56页 |
·蜂鸣器与液晶电源调理方案 | 第56-57页 |
·输入输出与接口板 | 第57-58页 |
·模拟输入输出接口 | 第58页 |
·数字输入输出接口 | 第58页 |
·通讯接口 | 第58页 |
·电源与PWM接口 | 第58页 |
·系统的硬件实现 | 第58-61页 |
·本章小结 | 第61-63页 |
4 软测量平台软件设计及实现 | 第63-100页 |
·软件方案设计 | 第63-64页 |
·系统软件实现 | 第64-74页 |
·模块化软件构成 | 第64-66页 |
·主程序流程 | 第66-67页 |
·人机交互的实现 | 第67-71页 |
·系统菜单 | 第71-73页 |
·功能程序 | 第73-74页 |
·神经网络的嵌入式移植实现 | 第74-92页 |
·神经网络基本模型 | 第75-76页 |
·样本预处理与移植策略 | 第76-79页 |
·隐层节点数的确定 | 第79-84页 |
·学习率与冲量系数的确定 | 第84-89页 |
·训练终止条件的确定 | 第89-92页 |
·支持向量机的嵌入式移植实现 | 第92-98页 |
·支持向量机基本模型 | 第92-94页 |
·训练终止条件的确定 | 第94-96页 |
·不敏感区域(容忍经验风险)的确定 | 第96-97页 |
·惩罚因子与径向基函数gamma参数的确定 | 第97-98页 |
·本章小结 | 第98-100页 |
5 软测量模型训练策略和仿真分析 | 第100-120页 |
·软测量平台的整体实现 | 第100-102页 |
·训练流程与样本描述 | 第102-107页 |
·神经网络训练策略与改进结果 | 第107-111页 |
·训练基本策略与参数 | 第107-109页 |
·仿真及结果分析 | 第109-111页 |
·支持向量机训练策略与改进结果 | 第111-115页 |
·训练基本策略与参数 | 第111-113页 |
·仿真及结果分析 | 第113-115页 |
·综合比较与扩展 | 第115-118页 |
·性能对比 | 第115-117页 |
·系统策略 | 第117-118页 |
·本章小结 | 第118-120页 |
6 总结与拓展 | 第120-123页 |
·结论 | 第120-121页 |
·展望 | 第121-123页 |
参考文献 | 第123-127页 |
附录 | 第127-129页 |
作者攻读硕士学位期间的科研成果 | 第129-130页 |