基于支持向量辨识的中密度纤维板施胶控制方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-23页 |
| ·课题来源及背景 | 第14页 |
| ·中密度纤维板行业发展分析 | 第14-16页 |
| ·国内中密度纤维板业的发展 | 第14-16页 |
| ·中国纤维板现阶段产品质量 | 第16页 |
| ·影响我国纤维板业发展的因素 | 第16页 |
| ·中密度纤维板施胶控制 | 第16-20页 |
| ·MDF的施胶工艺 | 第16-17页 |
| ·MDF的施胶控制过程 | 第17-18页 |
| ·施胶量对板材性能的影响与施胶量分析 | 第18-20页 |
| ·施胶控制系统国内外研究现状与发展趋势 | 第20-22页 |
| ·国内外研究现状 | 第20-21页 |
| ·人造板施胶控制的发展趋势 | 第21-22页 |
| ·本文的主要研究内容 | 第22-23页 |
| 2 支持向量机理论及算法 | 第23-44页 |
| ·引言 | 第23页 |
| ·机器学习理论 | 第23-28页 |
| ·机器学习问题的表述 | 第23-25页 |
| ·机器学习的发展历史 | 第25-26页 |
| ·统计学习理论 | 第26-28页 |
| ·支持向量机理论 | 第28-32页 |
| ·最优超平面 | 第28-30页 |
| ·广义最优分类面 | 第30页 |
| ·高维空间中最优分类面的推广 | 第30-31页 |
| ·核函数 | 第31-32页 |
| ·支持向量机分类 | 第32-38页 |
| ·单值分类支持向量机 | 第32-34页 |
| ·两类分类的支持向量机 | 第34-36页 |
| ·多值分类的支持向量机 | 第36-38页 |
| ·支持向量机回归 | 第38-42页 |
| ·线性回归 | 第38-41页 |
| ·非线性回归 | 第41-42页 |
| ·小结 | 第42-44页 |
| 3 基于支持向量机的施胶比例辨识方法的研究 | 第44-58页 |
| ·引言 | 第44页 |
| ·特征选择方法 | 第44-48页 |
| ·按搜索策略划分特征选择算法 | 第45-47页 |
| ·按特征集合评价策略划分特征选择算法 | 第47-48页 |
| ·基于自适应GA-SVR算法的施胶比例辨识模型 | 第48-53页 |
| ·支持向量机回归与参数性能影响 | 第48-49页 |
| ·遗传算法 | 第49-50页 |
| ·施胶比例自适应GA-SVR算法设计 | 第50-53页 |
| ·试验及结果分析 | 第53-57页 |
| ·小结 | 第57-58页 |
| 4 基于SVC多模型的施胶流量辨识方法的研究 | 第58-75页 |
| ·引言 | 第58页 |
| ·多模型下施胶流量辨识模型框架 | 第58-60页 |
| ·聚类分析方法 | 第60-63页 |
| ·聚类及相异度定义 | 第60页 |
| ·聚类分析的主要方法 | 第60-63页 |
| ·支持向量聚类算法 | 第63-69页 |
| ·SVC聚类描述 | 第63-64页 |
| ·SVC聚类标识算法 | 第64-65页 |
| ·动态核参数邻近图聚类法 | 第65-69页 |
| ·聚类状态下的施胶流量辨识与切换策略 | 第69-70页 |
| ·聚类状态下施胶流量辨识 | 第69页 |
| ·切换策略 | 第69-70页 |
| ·试验与分析 | 第70-74页 |
| ·小结 | 第74-75页 |
| 5 模糊自适应施胶控制方法与控制系统设计 | 第75-98页 |
| ·引言 | 第75-76页 |
| ·施胶系统典型执行单元控制特性分析 | 第76-82页 |
| ·齿轮泵特性曲线 | 第76-77页 |
| ·负载特性分析 | 第77-78页 |
| ·变频调速泵施胶系统分析 | 第78-82页 |
| ·施胶模糊自适应控制器的设计与实现 | 第82-91页 |
| ·模糊控制器的设计步骤 | 第82-83页 |
| ·模糊自适应控制器的数学模型及结构 | 第83-85页 |
| ·施胶过程模糊参数整定器的设计 | 第85-90页 |
| ·试验结果与分析 | 第90-91页 |
| ·施胶模糊自适应控制试验系统设计 | 第91-97页 |
| ·硬件设计 | 第92-93页 |
| ·通信与数据服务 | 第93-96页 |
| ·试验数据分析 | 第96-97页 |
| ·小结 | 第97-98页 |
| 结论 | 第98-99页 |
| 参考文献 | 第99-107页 |
| 攻读学位期间参加的科研项目与发表的学术论文 | 第107-108页 |
| 致谢 | 第108-109页 |
