| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-21页 |
| ·引言 | 第13-14页 |
| ·相关技术的研究现状 | 第14-19页 |
| ·控制图模式识别 | 第14-15页 |
| ·基于神经网络的控制图模式识别 | 第15-17页 |
| ·多模式控制过程监控 | 第17-19页 |
| ·章节安排与论文工作 | 第19-21页 |
| 第二章 基于神经网络的控制图模式识别 | 第21-37页 |
| ·控制图及其模式识别 | 第21-25页 |
| ·控制图相关概念 | 第21-23页 |
| ·控制图模式识别方法 | 第23-25页 |
| ·基于神经网络的控制图模式识别方法 | 第25-32页 |
| ·神经网络相关问题 | 第25-27页 |
| ·用于控制图模式识别的神经网络设计 | 第27-32页 |
| ·基于MATLAB的研究方法 | 第32-35页 |
| ·本章小节 | 第35-37页 |
| 第三章 一类广义神经网络系统研究 | 第37-71页 |
| ·引言 | 第37页 |
| ·广义过程对象网络模型对控制图模式的影响规律分析 | 第37-41页 |
| ·广义过程对象网络模型选择与控制模式的产生 | 第37-40页 |
| ·模型参数对控制图模式的影响规律分析 | 第40-41页 |
| ·广义神经网络系统结构 | 第41-44页 |
| ·系统结构图 | 第41-43页 |
| ·各个模块中的神经网络结构与设计 | 第43-44页 |
| ·广义神经网络系统学习算法 | 第44-48页 |
| ·仿真分析 | 第48-64页 |
| ·模型参数单独变化时对网络识别率的影响 | 第48-53页 |
| ·三个参数同时变化时对网络性能的影响分析 | 第53-60页 |
| ·基于广义模型对象的广义神经网络系统的仿真研究 | 第60-64页 |
| ·TENNESSEE EASTMAN过程实例研究 | 第64-69页 |
| ·Tennessee Eastman过程介绍 | 第64-66页 |
| ·模式识别系统在Tennessee Eastman过程中的应用 | 第66-69页 |
| ·本章小节 | 第69-71页 |
| 第四章 控制图模式识别应用系统 | 第71-83页 |
| ·系统的开发环境、工具及基本结构 | 第71-72页 |
| ·模式识别应用系统 | 第72-81页 |
| ·网络训练系统 | 第72-76页 |
| ·模式识别应用系统的界面演示 | 第76-81页 |
| ·本章小节 | 第81-83页 |
| 第五章 结论 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 研究成果及发表的学术论文 | 第91-93页 |
| 作者及导师简介 | 第93-94页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第94-95页 |