首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

软测量建模方法研究及其工业应用

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

论文共128页,点击 下载论文
上一篇:基桩低应变动测正反演分析系统设计及动测信号采集模块开发
下一篇:区域物流发展评价研究--以浙江省为例