基于模糊聚类的多模型软测量方法及应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 软测量建模概述 | 第11-16页 |
| 1.2.1 辅助变量选择 | 第12-13页 |
| 1.2.2 数据预处理 | 第13-14页 |
| 1.2.3 软测量模型的建立 | 第14-15页 |
| 1.2.4 模型在线校正 | 第15-16页 |
| 1.3 本文主要内容 | 第16-17页 |
| 第2章 软测量常用的建模方法 | 第17-30页 |
| 2.1 主元分析 | 第17-19页 |
| 2.2 偏最小二乘法 | 第19-22页 |
| 2.3 人工神经网络 | 第22-25页 |
| 2.3.1 神经网络原理 | 第22-24页 |
| 2.3.2 常用的神经网络模型 | 第24-25页 |
| 2.4 支持向量机 | 第25-28页 |
| 2.4.1 线性可分样本 | 第25-26页 |
| 2.4.2 线性不可分样本 | 第26-27页 |
| 2.4.3 非线性样本 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于自适应聚类的在线软测量方法 | 第30-39页 |
| 3.1 T-S模型 | 第30-31页 |
| 3.2 FCM算法 | 第31-33页 |
| 3.3 GK聚类算法 | 第33-35页 |
| 3.3.1 GK算法的递推形式 | 第33-34页 |
| 3.3.2 自适应聚类 | 第34-35页 |
| 3.4 模型参数辨识 | 第35-36页 |
| 3.5 模型验证 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于简化T-S模型的软测量方法 | 第39-50页 |
| 4.1 简化T-S模型 | 第39-40页 |
| 4.2 简化T-S模型的前件参数辨识 | 第40-43页 |
| 4.2.1 聚类中心vi的在线辨识 | 第40-42页 |
| 4.2.2 聚类半径ri的在线辨识 | 第42-43页 |
| 4.3 简化T-S模型的后件参数辨识 | 第43-44页 |
| 4.4 混沌时间序列预测 | 第44-46页 |
| 4.5 电站锅炉NOx预测 | 第46-48页 |
| 4.5.1 锅炉描述 | 第46-47页 |
| 4.5.2 模型辨识 | 第47-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-51页 |
| 5.1 总结 | 第50页 |
| 5.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
