| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·引言 | 第10-12页 |
| ·软测量技术及其在实际生产中的应用 | 第12-21页 |
| ·软测量模型描述 | 第12页 |
| ·软测量的建模方法 | 第12-15页 |
| ·影响软测量模型模型性能的因素 | 第15-18页 |
| ·软测量模型的在线校正 | 第18页 |
| ·粘度软测量的研究现状 | 第18-19页 |
| ·软测量技术的应用现状与展望 | 第19-21页 |
| ·本文的主要工作和论文的结构 | 第21-22页 |
| ·本文的主要工作 | 第21页 |
| ·论文的结构 | 第21-22页 |
| 第二章 工艺简介及辅助变量的选取 | 第22-29页 |
| ·石油树脂工艺简介 | 第22-24页 |
| ·石油树脂产品介绍 | 第22-23页 |
| ·石油树脂装置的工艺流程 | 第23-24页 |
| ·影响石油树脂粘度的因素及辅助变量的选取 | 第24-28页 |
| ·石油树脂粘度的影响因素 | 第24-26页 |
| ·辅助变量的选取 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 数据的采集及预处理 | 第29-35页 |
| ·数据采集 | 第29页 |
| ·数据的预处理 | 第29-33页 |
| ·异常数据剔除 | 第29-31页 |
| ·随机误差的处理 | 第31-32页 |
| ·数据的归一化处理 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 软测量建模方法分析 | 第35-54页 |
| ·回归分析建模方法 | 第35-44页 |
| ·最小二乘方法 | 第35-37页 |
| ·主元分析 | 第37-40页 |
| ·偏最小二乘方法 | 第40-44页 |
| ·RBF 神经网络 | 第44-46页 |
| ·支持向量机方法 | 第46-53页 |
| ·支持向量机 | 第47-51页 |
| ·最小二乘支持向量机回归算法 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于KPCA 和LSSVM 的石油树脂粘度的软测量建模 | 第54-72页 |
| ·石油树脂粘度模型的设计 | 第54-55页 |
| ·建模的目标 | 第54页 |
| ·建模的逻辑框图 | 第54-55页 |
| ·基于KPCA 和LSSVM 的石油树脂软测量建模 | 第55-60页 |
| ·核主元分析 | 第56-57页 |
| ·最小二乘支持向量机 | 第57-59页 |
| ·仿真结果分析 | 第59-60页 |
| ·几种软测量建模效果的比较 | 第60-67页 |
| ·偏最小二乘 | 第60-61页 |
| ·RBF 神经网络方法 | 第61-63页 |
| ·最小二乘支持向量机 | 第63-65页 |
| ·主元分析结合最小二乘支持向量机 | 第65-67页 |
| ·软测量模型的校正 | 第67-71页 |
| ·模型校正功能实施 | 第67-68页 |
| ·仿真结果分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文目录 | 第79-81页 |