| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题背景 | 第7-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 稀土萃取过程组分含量检测现状 | 第8-10页 |
| 1.2.2 机器视觉技术在工业生产过程中的应用现状 | 第10-11页 |
| 1.3 本文总体思路及研究方案 | 第11页 |
| 1.3.1 本课题的主要目标 | 第11页 |
| 1.3.2 关键问题及研究方案 | 第11页 |
| 1.4 全文结构及章节安排 | 第11-13页 |
| 第二章 镨/钕萃取过程监测系统的建立 | 第13-22页 |
| 2.1 镨/钕萃取分离流程 | 第13-14页 |
| 2.2 稀土混合溶液图像采集平台 | 第14-15页 |
| 2.3 镨/钕混合溶液离子颜色特征的描述 | 第15-21页 |
| 2.3.1 镨/钕混合溶液图像分析 | 第15-16页 |
| 2.3.2 镨/钕稀土混合溶液的颜色特征提取 | 第16-19页 |
| 2.3.3 HSI颜色空间下镨/钕稀土混合溶液颜色特征提取 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于即时学习策略的镨/钕萃取过程组分含量多模型预测 | 第22-35页 |
| 3.1 多模型建模策略 | 第22-23页 |
| 3.2 子模型的建立 | 第23-26页 |
| 3.2.1 局部空间的选择 | 第23-25页 |
| 3.2.2 子模型参数的递推 | 第25-26页 |
| 3.3 数据的聚类 | 第26-29页 |
| 3.3.1 聚类中心的调整 | 第26-28页 |
| 3.3.2 子模型激活准则 | 第28-29页 |
| 3.4 基于即时学习策略的多模型建模步骤 | 第29-30页 |
| 3.5 仿真结果分析 | 第30-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 基于即时学习策略的镨/钕萃取过程组分含量在线预测 | 第35-44页 |
| 4.1 在线预测模型的建立 | 第35-36页 |
| 4.2 在线建模步骤 | 第36-37页 |
| 4.3 仿真研究 | 第37-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 主要工作总结 | 第44页 |
| 5.2 本课题的展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 个人简历 | 第49-50页 |
| 致谢 | 第50页 |
