| 0 前言 | 第1-9页 |
| 1 绪论 | 第9-14页 |
| ·ABS树脂概述 | 第9页 |
| ·统计学习概述 | 第9-12页 |
| ·学习问题的发展过程 | 第10-12页 |
| ·支持向量机的提出和发展 | 第12页 |
| ·自适应逆控制概述 | 第12-13页 |
| ·本论文主要研究内容及意义 | 第13-14页 |
| 2 ABS树脂生产过程及控制要点 | 第14-18页 |
| ·ABS树脂的性能及应用 | 第14页 |
| ·ABS树脂生产工艺 | 第14-16页 |
| ·ABS树脂聚合反应温度控制要点及难点 | 第16-18页 |
| 3 支持向量机 | 第18-37页 |
| ·理论基础 | 第18-25页 |
| ·函数集的VC维 | 第18-20页 |
| ·结构风险最小化原则 | 第20-23页 |
| ·最优超平面 | 第23-25页 |
| ·支持向量机 | 第25-30页 |
| ·SVM原理 | 第25-26页 |
| ·用于函数拟合的SVM | 第26-27页 |
| ·支持向量机训练算法 | 第27-28页 |
| ·支持向量机的特点及应用 | 第28-30页 |
| ·支持向量神经网络 | 第30-37页 |
| ·支持向量神经网络的提出 | 第30-33页 |
| ·支持向量神经网络的训练 | 第33-34页 |
| ·支持向量神经网络的性质 | 第34-35页 |
| ·SVNN应用于非线性系统建模及仿真结果 | 第35-37页 |
| 4 基于支持向量机的自适应逆控制 | 第37-46页 |
| ·自适应逆控制的概念及发展 | 第37-39页 |
| ·逆系统方法的应用 | 第39页 |
| ·ABS树脂温度控制传统方法及常用的非线性系统控制方法 | 第39-41页 |
| ·基于支持向量机的自适应逆控制方法 | 第41-46页 |
| ·问题描述 | 第41-42页 |
| ·直接逆动态控制器的存在性 | 第42-43页 |
| ·基于SVNN的伪线性系统综合及仿真研究 | 第43-46页 |
| 5 基于支持向量机的ABS树脂聚合温度控制仿真研究 | 第46-53页 |
| ·支持向量神经网络在ABS树脂聚合建模中的应用 | 第46-49页 |
| ·建模过程和训练 | 第46-48页 |
| ·与其他建模方法的比较 | 第48-49页 |
| ·控制器的设计及参数确定 | 第49-51页 |
| ·仿真结果和分析 | 第51-53页 |
| 6 结论与展望 | 第53-55页 |
| ·本文工作总结 | 第53-54页 |
| ·今后工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-60页 |