| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究的背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 复杂工业软测量建模研究现状 | 第11-12页 |
| 1.2.2 生产过程优化方法及鲁棒优化研究现状 | 第12-13页 |
| 1.3 本课题研究的主要内容 | 第13-16页 |
| 第二章 浆纱过程分析 | 第16-26页 |
| 2.1 浆纱过程工艺 | 第16-22页 |
| 2.1.1 浆槽的选择 | 第17-18页 |
| 2.1.2 浸压次数和压浆力的选择 | 第18-19页 |
| 2.1.3 浆液的浓度 | 第19-20页 |
| 2.1.4 浆液的粘度 | 第20页 |
| 2.1.5 浆液的温度 | 第20-21页 |
| 2.1.6 浆纱回潮率与烘筒温度 | 第21-22页 |
| 2.1.7 浆纱机速度 | 第22页 |
| 2.2 浆纱质量的影响因素 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 浆纱过程软测量预测模型 | 第26-38页 |
| 3.1 软测量技术 | 第26-27页 |
| 3.1.1 软测量变量的选择 | 第27页 |
| 3.1.2 软测量数据的选择与处理 | 第27页 |
| 3.2 软测量建模方法 | 第27-29页 |
| 3.2.1 机理建模方法 | 第28页 |
| 3.2.2 软测量建模方法 | 第28-29页 |
| 3.2.3 混合建模方法 | 第29页 |
| 3.3 建立基于BP神经网络的上浆率预测模型 | 第29-34页 |
| 3.3.1 分析上浆过程选择辅助变量 | 第30-31页 |
| 3.3.2 浆纱过程数据的采集与处理 | 第31-32页 |
| 3.3.3 建立基于BP神经网络的上浆率预测模型 | 第32-34页 |
| 3.4 建立浆纱过程软测量混合预测模型 | 第34-37页 |
| 3.4.1 基于机理的人工经验上浆率预测模型 | 第34-35页 |
| 3.4.2 浆纱过程混合建模方法 | 第35页 |
| 3.4.3 浆纱过程软测量混合预测模型 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 浆纱过程鲁棒优化 | 第38-54页 |
| 4.1 浆纱过程优化模型 | 第38-40页 |
| 4.1.1 最优化理论 | 第38-39页 |
| 4.1.2 浆纱过程优化模型 | 第39-40页 |
| 4.2 浆纱过程鲁棒优化模型 | 第40-42页 |
| 4.2.1 鲁棒优化理论 | 第40-41页 |
| 4.2.2 浆纱过程鲁棒优化模型 | 第41-42页 |
| 4.3 基于HPSO-GA算法的鲁棒优化方法 | 第42-50页 |
| 4.3.1 粒子群优化算法(PSO) | 第42-43页 |
| 4.3.2 遗传算法 | 第43页 |
| 4.3.3 混合PSO-GA优化算法 | 第43-44页 |
| 4.3.4 基于HPSO-GA算法的测试函数鲁棒优化 | 第44-50页 |
| 4.4 浆纱过程鲁棒优化仿真 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结和展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 发表论文和参加科研情况说明 | 第60-62页 |
| 致谢 | 第62页 |