| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-26页 |
| ·引言 | 第13-14页 |
| ·二步发酵法生产维生素C 的工艺 | 第14-15页 |
| ·2-KGA 发酵过程优化控制关键技术的研究现状 | 第15-23页 |
| ·2-KGA 发酵过程生产现状 | 第15-17页 |
| ·发酵过程状态变量的在线预测 | 第17-20页 |
| ·机理建模 | 第18-19页 |
| ·基于数据驱动的建模 | 第19-20页 |
| ·发酵过程监控与异常批次早发现 | 第20-22页 |
| ·发酵过程优化调度 | 第22-23页 |
| ·本文主要研究内容 | 第23-26页 |
| 第二章 2-KGA 发酵过程关键状态变量的预报技术 | 第26-48页 |
| ·引言 | 第26-27页 |
| ·支持向量机回归技术 | 第27-29页 |
| ·基于支持向量机的滚动学习-预报技术 | 第29-35页 |
| ·数据预处理 | 第30-32页 |
| ·训练数据库的建立 | 第32-34页 |
| ·基于支持向量机的滚动学习-预报技术 | 第34-35页 |
| ·基于SVM 滚动-学习预报的ADABOOST 模型 | 第35-38页 |
| ·AdaBoost 算法 | 第35-37页 |
| ·基于SVM 滚动-学习预报的AdaBoost 模型 | 第37-38页 |
| ·2-KGA 产量的预报结果 | 第38-42页 |
| ·产量预报结果 | 第38-41页 |
| ·预报器的鲁棒性测试 | 第41-42页 |
| ·2-KGA 浓度预报结果 | 第42-45页 |
| ·基于产量预报的异常批次早期发现 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 2-KGA 发酵过程效益函数的在线预报 | 第48-63页 |
| ·引言 | 第48-49页 |
| ·基于投入-产出的效益函数的衡算 | 第49-52页 |
| ·效益函数的预报 | 第52-61页 |
| ·初始训练数据库的建立 | 第53-54页 |
| ·基于分类的数据库更新策略 | 第54-55页 |
| ·基于K-NN 算法的数据库更新策略 | 第55-58页 |
| ·效益函数预报结果的评估 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第四章 2-KGA 发酵过程的优化调度 | 第63-77页 |
| ·引言 | 第63-64页 |
| ·2-KGA 发酵过程优化调度方案 | 第64-65页 |
| ·在线分类 | 第65-66页 |
| ·2-KGA 发酵车间优化调度的实施 | 第66-76页 |
| ·优势批次的拟在线优化调度 | 第67-72页 |
| ·所有批次的拟在线优化调度 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 2-KGA 发酵过程在线预报-优化调度系统的开发 | 第77-93页 |
| ·引言 | 第77页 |
| ·软件实施框架及结果图 | 第77-84页 |
| ·软件主要功能模块 | 第84-92页 |
| ·初始化模块 | 第84-85页 |
| ·数据采集模块 | 第85页 |
| ·核心算法模块 | 第85-87页 |
| ·输出与显示模块 | 第87-88页 |
| ·其他算法模块 | 第88-92页 |
| ·本章小结 | 第92-93页 |
| 第六章 总结与展望 | 第93-96页 |
| 参考文献 | 第96-103页 |
| 主要符号与标记 （附录） | 第103-106页 |
| 致谢 | 第106-107页 |
| 攻读博士学位期间已发表或录用的论文 | 第107-110页 |
