基于支持向量回归的水力旋流器溢流粒度软测量
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·论文研究背景及意义 | 第11-15页 |
| ·粒度及其相关概念 | 第11-12页 |
| ·粒度检测方法 | 第12-14页 |
| ·选矿中粒度检测的应用现状 | 第14-15页 |
| ·粒度软测量的重要意义 | 第15页 |
| ·软测量技术 | 第15-21页 |
| ·软测量技术的主要工作 | 第16-20页 |
| ·软测量的应用现状 | 第20-21页 |
| ·本课题的主要工作 | 第21-23页 |
| 第2章 磨矿分级工艺 | 第23-35页 |
| ·选矿过程概述 | 第23-24页 |
| ·磨矿分级工艺 | 第24-26页 |
| ·概述 | 第24-25页 |
| ·磨矿分级工艺流程 | 第25-26页 |
| ·磨矿分级粒度检测的必要性 | 第26页 |
| ·水力旋流器 | 第26-33页 |
| ·水力旋流器的分级原理 | 第27-28页 |
| ·影响水力旋流器分离性能的参数 | 第28-30页 |
| ·水力旋流器的分离粒度的数学模型 | 第30-33页 |
| ·水力旋流器溢流粒度的检测 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第3章 支持向量回归及其参数选择算法 | 第35-65页 |
| ·支持向量机的发展 | 第35页 |
| ·统计学习理论 | 第35-38页 |
| ·经验风险最小化原则 | 第36-37页 |
| ·VC维与推广性的界 | 第37-38页 |
| ·结构风险最小化原则 | 第38页 |
| ·支持向量机理论 | 第38-49页 |
| ·支持向量机分类理论 | 第38-41页 |
| ·支持向量回归理论 | 第41-43页 |
| ·核函数的选取 | 第43-49页 |
| ·支持向量机训练算法 | 第49-53页 |
| ·两变量的二次规划子问题 | 第50-52页 |
| ·二次规划求解后相关变量的更新 | 第52-53页 |
| ·待优化变量的选择 | 第53页 |
| ·支持向量回归参数及其选择方法 | 第53-60页 |
| ·参数对回归模型的影响 | 第54-56页 |
| ·回归模型参数选取方法 | 第56-57页 |
| ·粒子群优化算法 | 第57-60页 |
| ·基于粒子群算法的混合核SVR参数的选取 | 第60-64页 |
| ·适应度函数的确定 | 第60页 |
| ·混合核SVR参数的选取 | 第60-61页 |
| ·仿真结果 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 溢流粒度软测模型的建立与仿真 | 第65-75页 |
| ·问题提出 | 第65页 |
| ·溢流粒度经验模型 | 第65-66页 |
| ·基于支持向量回归的软测量模型 | 第66-69页 |
| ·辅助变量选取 | 第67-68页 |
| ·采集数据标准化处理 | 第68-69页 |
| ·软测量模型建立与仿真 | 第69-71页 |
| ·经验模型建立与仿真 | 第69-70页 |
| ·基于支持向量回归软测量模型的建立与仿真 | 第70-71页 |
| ·软测量模型的校正 | 第71-73页 |
| ·短期校正 | 第71-73页 |
| ·长期校正 | 第73页 |
| ·本章小结 | 第73-75页 |
| 第5章 结论与展望 | 第75-77页 |
| ·论文研究总结 | 第75页 |
| ·展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |
