| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题的来源及目的意义 | 第9-10页 |
| 1.1.1 课题的来源 | 第9页 |
| 1.1.2 课题的研究意义 | 第9-10页 |
| 1.2 大型加热炉温度控制研究现状 | 第10-12页 |
| 1.3 软测量技术研究现状 | 第12-14页 |
| 1.4 主要研究内容及章节安排 | 第14-16页 |
| 2 淬火炉生产工艺及构件温度软测量 | 第16-26页 |
| 2.1 淬火炉结构及生产工艺 | 第16-18页 |
| 2.1.1 淬火炉炉体结构 | 第16-17页 |
| 2.1.2 淬火工艺及其加热过程 | 第17-18页 |
| 2.2 淬火炉构件温度软测量 | 第18-25页 |
| 2.2.1 淬火炉构件温度软测量 | 第18-19页 |
| 2.2.2 影响构件温度的因素分析 | 第19-21页 |
| 2.2.3 温度数据采集 | 第21-24页 |
| 2.2.4 采样数据预处理 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 贝叶斯网络及混合高斯模型 | 第26-42页 |
| 3.1 贝叶斯网络基础理论 | 第26-29页 |
| 3.1.1 贝叶斯网络理论起源与发展 | 第26页 |
| 3.1.2 贝叶斯网络基本原理 | 第26-28页 |
| 3.1.3 贝叶斯网络模型 | 第28-29页 |
| 3.1.4 贝叶斯网络的优点 | 第29页 |
| 3.2 EM算法 | 第29-33页 |
| 3.2.1 EM算法的基本思想 | 第29-31页 |
| 3.2.2 EM算法的基本理论 | 第31-32页 |
| 3.2.3 EM算法的收敛性 | 第32-33页 |
| 3.3 混合高斯模型 | 第33-36页 |
| 3.3.1 机器学习介绍 | 第33-35页 |
| 3.3.2 多模型建模思想 | 第35页 |
| 3.3.3 混合高斯模型基本原理 | 第35-36页 |
| 3.4 EM算法在混合高斯模型中的应用 | 第36-41页 |
| 3.4.1 基于EM算法的混合高斯参数辨识 | 第36-38页 |
| 3.4.2 实验与分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于EM算法和混合高斯模型的铝合金构件温度软测量 | 第42-55页 |
| 4.1 基于ARX模型的构件温度软测量 | 第42-48页 |
| 4.1.1 基于ARX的构件温度软测量模型结构 | 第42-43页 |
| 4.1.2 ARX模型实验结果分析 | 第43-48页 |
| 4.2 淬火炉构件温度混合高斯回归模型 | 第48-54页 |
| 4.2.1 混合高斯自回归模型结构 | 第48-50页 |
| 4.2.2 混合高斯自回归模型实验结果分析 | 第50-54页 |
| 4.3 本章小结 | 第54-55页 |
| 5 工作总结与展望 | 第55-57页 |
| 5.1 本文的工作总结 | 第55页 |
| 5.2 今后的工作方向 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间主要的研究成果 | 第61-62页 |
| 致谢 | 第62页 |