| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-24页 |
| 1.1 课题来源及研究目的和意义 | 第14-15页 |
| 1.2 国内外研究现状及发展趋势 | 第15-18页 |
| 1.2.1 木材干燥建模的研究现状及发展趋势 | 第15-16页 |
| 1.2.2 支持向量机建模的研究现状及发展趋势 | 第16-17页 |
| 1.2.3 模糊神经网络建模的研究现状及发展趋势 | 第17-18页 |
| 1.3 木材干燥工艺 | 第18-22页 |
| 1.3.1 木材中的水分及其测量方法 | 第18-19页 |
| 1.3.2 木材干燥控制目的及要求 | 第19-20页 |
| 1.3.3 干燥过程中的参数及主要影响因素 | 第20-21页 |
| 1.3.4 木材干燥基准 | 第21-22页 |
| 1.4 本文研究的主要内容 | 第22-24页 |
| 2 统计学习理论与支持向量机 | 第24-38页 |
| 2.1 统计学习理论 | 第24-28页 |
| 2.1.1 机器学习的基本模型 | 第24-25页 |
| 2.1.2 经验风险最小化 | 第25-26页 |
| 2.1.3 学习过程的一致性条件 | 第26页 |
| 2.1.4 VC维理论与推广性的界 | 第26-27页 |
| 2.1.5 结构风险最小化 | 第27-28页 |
| 2.2 支持向量机 | 第28-37页 |
| 2.2.1 支持向量机的基本思想 | 第28-32页 |
| 2.2.2 支持向量机的回归原理 | 第32-36页 |
| 2.2.3 支持向量机的核函数 | 第36-37页 |
| 2.3 本章小结 | 第37-38页 |
| 3 基于LS-SVM的木材干燥过程基准模型 | 第38-53页 |
| 3.1 干燥过程中的木材含水率及影响因素 | 第38页 |
| 3.2 LS-SVM建模方法的基本原理 | 第38-39页 |
| 3.3 基于LS-SVM的木材干燥过程的基准模型结构 | 第39-41页 |
| 3.4 木材干燥过程建模实验仿真环境 | 第41-46页 |
| 3.5 基于LS-SVM的木材干燥过程基准模型仿真实验 | 第46-52页 |
| 3.5.1 柞木干燥过程LS-SVM基准模型仿真实验 | 第46-49页 |
| 3.5.2 水曲柳干燥过程LS-SVM基准模型仿真实验 | 第49-51页 |
| 3.5.3 木材干燥过程LS-SVM基准模型仿真实验结果分析 | 第51-52页 |
| 3.6 本章小结 | 第52-53页 |
| 4 基于智能算法优化LS-SVM的木材干燥过程基准模型 | 第53-79页 |
| 4.1 网格搜索法 | 第53-54页 |
| 4.1.1 交叉验证法 | 第53-54页 |
| 4.1.2 基于交叉验证的网格搜索法 | 第54页 |
| 4.2 基于GS-LSSVM的木材干燥过程基准模型 | 第54-61页 |
| 4.2.1 基于GS-LSSVM的木材干燥过程基准模型结构 | 第54-56页 |
| 4.2.2 柞木干燥过程GS-LSSVM基准模型仿真实验 | 第56-58页 |
| 4.2.3 水曲柳干燥过程GS-LSSVM基准模型仿真实验 | 第58-60页 |
| 4.2.4 木材干燥过程GS-LSSVM基准模型仿真实验结果分析 | 第60-61页 |
| 4.3 遗传算法 | 第61-64页 |
| 4.3.1 遗传算法的基本思想 | 第61页 |
| 4.3.2 遗传算法的主要步骤 | 第61-64页 |
| 4.4 基于GA-LSSVM的木材干燥过程基准模型 | 第64-69页 |
| 4.4.1 基于GA-LSSVM的木材干燥过程基准模型结构 | 第64-65页 |
| 4.4.2 柞木干燥过程GA-LSSVM基准模型仿真实验 | 第65-67页 |
| 4.4.3 水曲柳干燥过程GA-LSSVM基准模型仿真实验 | 第67-68页 |
| 4.4.4 木材干燥过程GA-LSSVM基准模型仿真实验结果分析 | 第68-69页 |
| 4.5 粒子群优化算法 | 第69-72页 |
| 4.5.1 粒子群优化算法的基本原理 | 第69-70页 |
| 4.5.2 基本粒子群优化算法流程 | 第70-72页 |
| 4.6 基于PSO-LSSVM的木材干燥过程基准模型 | 第72-77页 |
| 4.6.1 基于PSO-LSSVM的木材干燥过程基准模型结构 | 第72-73页 |
| 4.6.2 柞木干燥过程PSO-LSSVM基准模型仿真实验 | 第73-75页 |
| 4.6.3 水曲柳干燥过程PSO-LSSVM基准模型仿真实验 | 第75-76页 |
| 4.6.4 木材干燥过程PSO-LSSVM基准模型仿真实验结果分析 | 第76-77页 |
| 4.7 三种智能优化方法的仿真实验结果对比分析 | 第77-78页 |
| 4.8 本章小结 | 第78-79页 |
| 5 基于FW-PSO-LSSVM的木材干燥基准模型和控制模型 | 第79-93页 |
| 5.1 木材干燥过程的在线FW-PSO-LSSVM模型 | 第79-80页 |
| 5.1.1 模糊加权基本理论 | 第79页 |
| 5.1.2 木材干燥过程的控制模型和基准模型结构 | 第79-80页 |
| 5.2 基于FW-PSO-LSSVM的木材干燥过程基准模型 | 第80-85页 |
| 5.2.1 基于FW-PSO-LSSVM的木材干燥过程基准模型结构 | 第80-82页 |
| 5.2.2 柞木干燥过程FW-PSO-LSSVM基准模型仿真实验 | 第82-83页 |
| 5.2.3 水曲柳干燥过程FW-PSO-LSSVM基准模型仿真实验 | 第83-84页 |
| 5.2.4 木材干燥过程FW-PSO-LSSVM基准模型仿真实验结果分析 | 第84-85页 |
| 5.3 基于FW-PSO-LSSVM的木材干燥过程控制模型 | 第85-92页 |
| 5.3.1 基于FW-PSO-LSSVM的木材干燥过程控制模型结构 | 第85页 |
| 5.3.2 柞木干燥过程FW-PSO-LSSVM控制模型仿真实验 | 第85-88页 |
| 5.3.3 水曲柳干燥过程FW-PSO-LSSVM控制模型仿真实验 | 第88-91页 |
| 5.3.4 木材干燥过程FW-PSO-LSSVM控制模型仿真实验结果分析 | 第91-92页 |
| 5.4 本章小结 | 第92-93页 |
| 6 木材干燥系统模糊神经网络控制器设计及仿真研究 | 第93-115页 |
| 6.1 模糊神经网络控制系统 | 第93-96页 |
| 6.1.1 模糊控制 | 第93-94页 |
| 6.1.2 人工神经网络控制 | 第94-95页 |
| 6.1.3 模糊神经网络控制 | 第95-96页 |
| 6.2 木材干燥系统模糊控制研究 | 第96-103页 |
| 6.2.1 模糊控制器基本原理 | 第96-99页 |
| 6.2.2 木材干燥模糊控制器仿真实验与结果分析 | 第99-103页 |
| 6.3 木材干燥系统模糊神经网络控制研究 | 第103-113页 |
| 6.3.1 标准模糊神经网络控制器基本原理 | 第103-108页 |
| 6.3.2 GA优化的模糊神经网络控制器基本原理 | 第108-109页 |
| 6.3.3 木材干燥GA优化的模糊神经网络控制器仿真实验与结果分析 | 第109-113页 |
| 6.4 本章小结 | 第113-115页 |
| 结论 | 第115-117页 |
| 参考文献 | 第117-126页 |
| 攻读学位期间发表的学术论文 | 第126-127页 |
| 致谢 | 第127-128页 |
