摘要 | 第1-7页 |
ABSTRACT | 第7-10页 |
目录 | 第10-13页 |
第一章 绪论 | 第13-37页 |
·引言 | 第13-15页 |
·软测量技术基本原理 | 第15-20页 |
·辅助变量的选择 | 第16-17页 |
·数据采集及预处理 | 第17-18页 |
·主导变量与辅助变量之间的时序匹配 | 第18-19页 |
·软测量模型的建立 | 第19页 |
·软测量模型在线校正 | 第19-20页 |
·软测量建模方法概述 | 第20-32页 |
·传统的软测量建模方法 | 第20-22页 |
·基于统计分析的方法 | 第22-25页 |
·基于统计学习理论的方法 | 第25-27页 |
·基于人工智能的软测量建模方法 | 第27-30页 |
·混合建模方法 | 第30-32页 |
·软测量技术应用现状 | 第32-33页 |
·全文的主要内容和结构 | 第33-37页 |
第二章 基于改进的FasBack模糊神经网络的新型软测量建模方法 | 第37-55页 |
·引言 | 第37-38页 |
·FasBack模糊神经网络 | 第38-43页 |
·FasArt模糊神经网络结构 | 第38-42页 |
·FasBack模糊神经网络系统 | 第42-43页 |
·改进的FasBack模糊神经网络 | 第43-45页 |
·改进的FasBack算法 | 第43-44页 |
·改进的FasBack模糊神经网络训练步骤 | 第44-45页 |
·基于改进的FasBack模糊神经网络的MISO软测量模型 | 第45-48页 |
·过程描述 | 第45-46页 |
·基于改进的FasBack模糊神经网络的4-CBA含量软测量模型 | 第46-48页 |
·基于改进的FasBack模糊神经网络的MIMO软测量模型 | 第48-53页 |
·过程描述 | 第48-50页 |
·基于改进的FasBack模糊神经网络的复合肥养分含量MIMO软测量模型 | 第50-53页 |
·小结 | 第53-55页 |
第三章 基于混合建模技术的新型复合肥养分含量MIMO软测量建模方法 | 第55-69页 |
·引言 | 第55-58页 |
·限定记忆部分最小二乘(LMPLS)算法 | 第58-61页 |
·PLS算法描述 | 第58-60页 |
·LMPLS算法 | 第60-61页 |
·数据驱动模型和简化机理模型混合的软测量建模方法与工业数据仿真研究 | 第61-68页 |
·简化机理模型 | 第61-63页 |
·基于混合建模方法的复合肥养分含量MIMO软测量模型 | 第63-64页 |
·模型校正 | 第64-65页 |
·工业数据仿真研究 | 第65-68页 |
·小结 | 第68-69页 |
第四章 基于混合建模方法的复合肥养分含量MIMO软测量模型的在线应用 | 第69-95页 |
·引言 | 第69-70页 |
·复合肥生产过程描述 | 第70-73页 |
·氢钾工段过程描述 | 第71-72页 |
·复肥工段过程描述 | 第72-73页 |
·复合肥养分含量软测量模型的工程实施 | 第73-90页 |
·软测量模型实施平台 | 第73-76页 |
·数据采集和预处理 | 第76-81页 |
·复合肥养分含量软测量模型的具体实现步骤 | 第81-87页 |
·软测量模型校正 | 第87-89页 |
·软测量实施过程中的其它问题 | 第89-90页 |
·复合肥养分含量MIMO软测量模型在线应用 | 第90-93页 |
·软测量模型用户操作界面 | 第90-91页 |
·软测量模型在线应用结果 | 第91-93页 |
·小结 | 第93-95页 |
第五章 基于混合增量支持向量机的新型自适应软测量建模方法及其在PX吸附分离过程中的应用 | 第95-111页 |
·引言 | 第95-97页 |
·算法描述 | 第97-105页 |
·FCM算法 | 第98-99页 |
·增量支持向量机 | 第99-105页 |
·基于混合增量支持向量机的PX吸附分离纯度软测量模型 | 第105-108页 |
·过程描述 | 第105-107页 |
·PX吸附分离纯度软测量模型 | 第107-108页 |
·小结 | 第108-111页 |
第六章 总结与展望 | 第111-115页 |
·本文内容总结 | 第111-112页 |
·软测量技术展望 | 第112-115页 |
参考文献 | 第115-125页 |
作者在攻读博士学位期间发表或投寄的论文和专利 | 第125-127页 |
致谢 | 第127-128页 |