| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 插图索引 | 第11-13页 |
| 附表索引 | 第13-14页 |
| 第1章 绪论 | 第14-19页 |
| ·课题研究背景及意义 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·本文研究内容及章节安排 | 第17-19页 |
| 第2章 软测量技术综述 | 第19-27页 |
| ·引言 | 第19页 |
| ·软测量技术基本原理 | 第19-20页 |
| ·影响软测量性能的因素 | 第20-23页 |
| ·辅助变量的选择 | 第20-21页 |
| ·数据采集和处理 | 第21页 |
| ·软测量模型的建立 | 第21-22页 |
| ·主导变量与辅助变量之间的时序匹配 | 第22页 |
| ·软测量模型的在线校正 | 第22-23页 |
| ·软测量建模的方法 | 第23-25页 |
| ·基于工艺机理分析的软测量建模 | 第23页 |
| ·基于回归分析的软测量建模 | 第23页 |
| ·基于状态估计的软测量建模 | 第23页 |
| ·基于模式识别的软测量建模 | 第23-24页 |
| ·基于人工神经网络的软测量建模 | 第24页 |
| ·基于回归支持向量机的方法 | 第24页 |
| ·基于模糊数学的软测量建模 | 第24页 |
| ·基于过程层析成像的软测量建模 | 第24-25页 |
| ·基于相关分析的软测量建模 | 第25页 |
| ·基于现代非线性信息处理技术的软测量建模 | 第25页 |
| ·软测量工业设计 | 第25-27页 |
| 第3章 基于混合KPLS的建模方法研究 | 第27-36页 |
| ·引言 | 第27页 |
| ·算法描述 | 第27-30页 |
| ·PLS算法 | 第27-28页 |
| ·KPLS算法 | 第28-29页 |
| ·混合核函数 | 第29-30页 |
| ·仿真研究 | 第30-35页 |
| ·工艺分析 | 第30页 |
| ·预测模型建立 | 第30-31页 |
| ·仿真结果分析 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于混合KPLS和神经网络的建模方法研究 | 第36-46页 |
| ·引言 | 第36页 |
| ·算法描述 | 第36-39页 |
| ·BP神经网络 | 第36-38页 |
| ·RBF神经网络 | 第38-39页 |
| ·仿真研究 | 第39-44页 |
| ·预测模型建立 | 第39-40页 |
| ·仿真结果分析 | 第40-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 基于混合KPLS和最小二乘支持向量机的建模方法研究 | 第46-54页 |
| ·引言 | 第46页 |
| ·算法描述 | 第46-49页 |
| ·LSSVM算法 | 第46-48页 |
| ·PSO算法 | 第48-49页 |
| ·仿真研究 | 第49-53页 |
| ·预测模型建立 | 第49-50页 |
| ·仿真结果分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 结论与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第62页 |