| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 附图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-22页 |
| ·课题研究背景 | 第13-14页 |
| ·软测量技术回顾 | 第14-18页 |
| ·明胶浓度的建模方法研究现状 | 第18-20页 |
| ·明胶浓度软测量建模的优势 | 第18页 |
| ·明胶浓度的建模难点 | 第18-19页 |
| ·明胶浓度软测量模型面对的新问题 | 第19-20页 |
| ·论文主要内容及各章节安排 | 第20-21页 |
| ·主要内容 | 第20-21页 |
| ·各章节安排 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第2章 明胶浓度的软测量应用研究 | 第22-39页 |
| ·生产工艺简介 | 第22-24页 |
| ·骨料的处理 | 第22页 |
| ·骨素的处理 | 第22-23页 |
| ·提胶 | 第23页 |
| ·胶液的净化、浓缩、冷冻和干燥 | 第23-24页 |
| ·提胶工序 | 第24-28页 |
| ·提胶工序控制系统 | 第24-25页 |
| ·系统软件组成 | 第25-28页 |
| ·机理分析及辅助变量的选择 | 第28页 |
| ·数据采集和预处理 | 第28-29页 |
| ·小波神经网络的明胶浓度软测量建模 | 第29-35页 |
| ·小波神经网络简介 | 第29-30页 |
| ·母小波函数的选择 | 第30-32页 |
| ·小波神经网络的结构 | 第32-33页 |
| ·明胶浓度小波神经网络模型的参数估计 | 第33-35页 |
| ·明胶浓度的自适应小波神经网络的软测量建模 | 第35-36页 |
| ·仿真结果分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于GA-WNN 明胶浓度软测量建模 | 第39-53页 |
| ·WNN 模型参数优化 | 第39-45页 |
| ·遗传算法简介 | 第39-42页 |
| ·遗传算法的基本运算 | 第42-43页 |
| ·遗传算法优化明胶浓度软测量模型的实现 | 第43-45页 |
| ·自适应遗传算法 | 第45-46页 |
| ·混合递阶遗传算法 | 第46-47页 |
| ·混合变异自适应遗传算法 | 第47-48页 |
| ·仿真结果及分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 软测量模型的混合编程实现 | 第53-59页 |
| ·明胶浓度软仪表实现的可行性分析 | 第53-54页 |
| ·软仪表实现基础 | 第53-54页 |
| ·MATLAB 和控制系统数据通信 | 第54页 |
| ·基于COM 控件的Matlab 与VB 的数据交换 | 第54-58页 |
| ·VB 简介 | 第55页 |
| ·COM 技术通信设计 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 1 总结 | 第59-60页 |
| 2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 附录A 发表的学术论文目录 | 第67-68页 |
| 附录B 部分现场数据 | 第68-71页 |