| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·课题研究领域现状分析 | 第9-13页 |
| ·纱线质量预测的研究现状 | 第9-11页 |
| ·粒子群算法的研究现状 | 第11-12页 |
| ·PSO与BP相结合的研究现状 | 第12-13页 |
| ·论文的主要研究内容 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第二章 粒子群优化算法 | 第15-21页 |
| ·基本粒子群优化算法[19][4] | 第15-18页 |
| ·数学描述 | 第15-16页 |
| ·算法流程 | 第16-17页 |
| ·基本粒子群优化算法的社会行为分析[18] | 第17-18页 |
| ·标准粒子群优化算法 | 第18-19页 |
| ·带惯性权重粒子群优化算法 | 第18-19页 |
| ·带收缩因子粒子群优化算法 | 第19页 |
| ·基本粒子群优化算法收敛性分析 | 第19-20页 |
| ·粒子群算法的应用 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于标准BP网络纱线质量预测实验 | 第21-42页 |
| ·BP神经网络 | 第21-22页 |
| ·BP网络的学习算法 | 第22-23页 |
| ·影响纱线质量的样本数据准备与处理 | 第23-26页 |
| ·纺纱工艺及影响纱线质量指标的确定 | 第23页 |
| ·原棉质量与成纱质量的相关分析 | 第23-25页 |
| ·样本数据的预处理 | 第25-26页 |
| ·样本数据的后处理 | 第26页 |
| ·基于BP神经网络的纱线质量预测模型研究 | 第26-37页 |
| ·条干不匀率网络模型的训练 | 第27-28页 |
| ·粗节（+50%）网络模型的训练 | 第28-29页 |
| ·棉结(+140%)网络模型的训练 | 第29-30页 |
| ·棉结（+200%）网络训练的模型 | 第30-32页 |
| ·毛羽H网络模型的训练 | 第32-33页 |
| ·强力网络模型的训练 | 第33-34页 |
| ·纱线的强度CV值网络模型的训练 | 第34-35页 |
| ·纱线的强度网络模型的训练 | 第35-36页 |
| ·纱线的断裂伸长率模型的训练 | 第36-37页 |
| ·标准BP成纱质量预测结果总结 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于PSO-BP纱线质量预测实验 | 第42-65页 |
| ·基于PSO的BP神经网络学习算法 | 第42-44页 |
| ·学习算法的设计 | 第42-44页 |
| ·参数设置 | 第44页 |
| ·PSO优化BP网络的纱线质量预测实证研究 | 第44-59页 |
| ·隐含层单元数为11的条干不匀率PSO-BP模型的训练 | 第44-46页 |
| ·隐含层单元数为10的粗节（+50%）PSO-BP模型的训练 | 第46-47页 |
| ·隐含层单元数为9的棉结(+140%)PSO-BP模型的训练 | 第47-49页 |
| ·隐含层单元数为9的棉结（+200%）PSO-BP训练的模型 | 第49-50页 |
| ·隐含层单元数为12的毛羽PSO-BP模型的训练 | 第50-52页 |
| ·隐含层单元数为13的强力PSO-BP模型的训练 | 第52-54页 |
| ·隐含层单元数为9的纱线的强度CV值PSO-BP模型的训练 | 第54-55页 |
| ·隐含层单元数为11纱线的强度PSO-BP模型的训练 | 第55-57页 |
| ·隐含层单元数为11的纱线的断裂伸长率PSO-BP模型的训练 | 第57-59页 |
| ·PSO-BP成纱质量预测效果总结 | 第59-61页 |
| ·标准BP算法和PSO-BP算法预测结果的比较 | 第61-65页 |
| ·预测平均误差比较 | 第62-63页 |
| ·预测最大误差比较 | 第63-64页 |
| ·预测值和实测值的相关系数比较 | 第64-65页 |
| 第五章 结论 | 第65-67页 |
| ·研究结论 | 第65页 |
| ·研究展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70-76页 |
| 在读期间发表论文 | 第76-77页 |
| 致谢 | 第77页 |
