| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·醋酸乙烯聚合反应工艺流程概述 | 第10-12页 |
| ·醋酸乙烯聚合率检测技术的研究现状 | 第12-13页 |
| ·离线分析法 | 第12页 |
| ·醋酸乙烯聚合率在线连续检测方法 | 第12-13页 |
| ·软测量技术的研究现状 | 第13-15页 |
| ·国内外软测量技术的发展现状 | 第13-14页 |
| ·醋酸乙烯聚合率软测量的研究现状 | 第14-15页 |
| ·本论文的主要研究工作 | 第15-16页 |
| 第二章 软测量技术 | 第16-27页 |
| ·软测量的基本概念 | 第16-17页 |
| ·软测量的辅助变量选择 | 第17-18页 |
| ·软测量的数据预处理 | 第18-23页 |
| ·数据变换 | 第18页 |
| ·数据的误差处理 | 第18-19页 |
| ·数据的平滑消噪 | 第19-20页 |
| ·用小波分析进行数据处理 | 第20-23页 |
| ·软测量的建模方法 | 第23-26页 |
| ·机理分析法建模 | 第23-24页 |
| ·系统辨识软测量建模 | 第24页 |
| ·多变量统计软测量建模 | 第24-25页 |
| ·人工神经网络软测量建模 | 第25-26页 |
| ·其它软测量建模方法 | 第26页 |
| ·软测量实施与在线校正 | 第26-27页 |
| 第三章 基于BP神经网络的醋酸乙烯聚合率软测量研究 | 第27-51页 |
| ·BP神经网络的理论基础 | 第27-35页 |
| ·BP神经网络的结构 | 第27-29页 |
| ·BP算法 | 第29-33页 |
| ·基于BP神经网络的软测量实现流程 | 第33-35页 |
| ·仿真软件 MATLAB 简介 | 第35页 |
| ·辅助变量的选择 | 第35-37页 |
| ·数据采集和预处理 | 第37-38页 |
| ·BP网络软测量模型 | 第38-43页 |
| ·BP网络的神经网络工具箱函数 | 第38-40页 |
| ·BP网络的结构 | 第40-43页 |
| ·BP 网络软测量模型的训练和测试 | 第43-48页 |
| ·BP网络软测量模型的训练 | 第43-46页 |
| ·BP网络软测量模型的测试 | 第46-48页 |
| ·BP 网络软测量建模过程的C 语言实现 | 第48-49页 |
| ·BP 网络软测量建模的缺陷 | 第49-51页 |
| 第四章 基于GA-BP神经网络的醋酸乙烯聚合率软测量研究 | 第51-73页 |
| ·遗传算法概述 | 第51-59页 |
| ·遗传算法的基本概念 | 第51-52页 |
| ·遗传算法的特点 | 第52-54页 |
| ·基本遗传算法的实现流程 | 第54-59页 |
| ·遗传算法与BP 神经网络的结合 | 第59-63页 |
| ·遗传算法与BP网络的结合方式 | 第60-61页 |
| ·GA-BP 网络的实现流程 | 第61-63页 |
| ·GA-BP 网络软测量建模 | 第63-73页 |
| ·遗传算法工具箱函数 | 第63-64页 |
| ·编码方案与适应度函数的设计 | 第64-65页 |
| ·GA-BP网络软测量模型的训练 | 第65-70页 |
| ·GA-BP网络软测量模型的测试 | 第70-73页 |
| 第五章 总结与展望 | 第73-76页 |
| ·论文工作总结 | 第73-74页 |
| ·研究展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 附录 A 经过预处理的样本数据 | 第79-84页 |
| 附录 B 编码函数与适应值函数 | 第84-85页 |
| 个人简历 在读期间发表的学术论文 | 第85-86页 |
| 致谢 | 第86页 |