首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于遗传算法优化神经网络的醋酸乙烯聚合率软测量研究

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

论文共86页,点击 下载论文
上一篇:基于离散粒子群算法的机器人最优路径规划研究
下一篇:智能群体合作网络的一致性研究