工业过程数据校正技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-22页 |
| ·课题的背景和意义 | 第10-11页 |
| ·数据校正技术的发展概况 | 第11-17页 |
| ·数据协调 | 第11-14页 |
| ·显著误差检测 | 第14-16页 |
| ·测量网络冗余性分析 | 第16-17页 |
| ·数据校正技术的工业应用 | 第17-20页 |
| ·本文的主要工作 | 第20-22页 |
| 第2章 过程数据分类与数据协调方法研究 | 第22-40页 |
| ·数据分类方法概述 | 第22-23页 |
| ·Crowe矩阵投影法 | 第23-24页 |
| ·QR正交变换分类方法 | 第24-26页 |
| ·矩阵的QR分解原理 | 第25页 |
| ·使用QR正交分解对数据进行分类 | 第25-26页 |
| ·两步矩阵投影算法的改进 | 第26-28页 |
| ·基于矩阵投影法的已测数据分类 | 第26-27页 |
| ·基于矩阵投影法的未测数据分类 | 第27-28页 |
| ·线性稳态数据协调 | 第28-32页 |
| ·线性稳态数据协调模型 | 第28-29页 |
| ·数据协调需要处理的问题 | 第29-32页 |
| ·非线性条件下的数据协调 | 第32-34页 |
| ·双线性约束问题 | 第32-33页 |
| ·动态条件下的数据协调 | 第33-34页 |
| ·算例分析 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 显著误差检测技术研究 | 第40-52页 |
| ·引言 | 第40页 |
| ·显著误差检测原理 | 第40-41页 |
| ·显著误差检测方法 | 第41-46页 |
| ·节点残差检验法 | 第41-42页 |
| ·整体检验法 | 第42-43页 |
| ·测量残差检验法 | 第43-44页 |
| ·主元分析法 | 第44-45页 |
| ·基于改进的聚类分析的显著误差检测方法 | 第45-46页 |
| ·合成算法显著误差检测策略 | 第46-47页 |
| ·测量误差的方差估计 | 第47-50页 |
| ·直接法 | 第47-48页 |
| ·间接法 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 基于神经网络的显著误差检测 | 第52-64页 |
| ·概述 | 第52-53页 |
| ·BP神经网络结构及算法 | 第53-56页 |
| ·BP算法的不足及改进 | 第56-57页 |
| ·基于神经网络的显著误差检测 | 第57-58页 |
| ·神经网络训练模式 | 第57-58页 |
| ·网络的推广能力 | 第58页 |
| ·实例分析 | 第58-62页 |
| ·神经网络层数及节点确定 | 第58-60页 |
| ·数据的预处理 | 第60页 |
| ·训练样本的选取 | 第60-61页 |
| ·网络的预测 | 第61页 |
| ·仿真结果 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| ·研究工作总结 | 第64-65页 |
| ·数据校正技术的展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
