| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 软测量技术概述 | 第12-15页 |
| 1.2.1 软测量技术研究现状 | 第13-14页 |
| 1.2.2 软测量模型校验 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-18页 |
| 第二章 课题相关技术简介 | 第18-26页 |
| 2.1 软测量技术的理论框架 | 第18-19页 |
| 2.1.1 软测量技术的定义 | 第18页 |
| 2.1.2 软测量的建模步骤 | 第18-19页 |
| 2.2 辅助变量的选择 | 第19-20页 |
| 2.2.1 基于过程原理分析方法 | 第20页 |
| 2.2.2 基于统计学原理分析方法 | 第20页 |
| 2.2.3 基于变量校验检测方法 | 第20页 |
| 2.3 数据预处理 | 第20-22页 |
| 2.3.1 处理数据噪声 | 第21页 |
| 2.3.2 数据变换 | 第21-22页 |
| 2.4 软测量建模 | 第22-24页 |
| 2.5 软测量模型的校正 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 透明质酸浓度预测的软测量建模 | 第26-37页 |
| 3.1 引言 | 第26-27页 |
| 3.2 发酵预测模型建立 | 第27-33页 |
| 3.2.1 透明质酸发酵预测模型选择 | 第27页 |
| 3.2.2 SVM回归预测模型 | 第27-31页 |
| 3.2.3 建模数据特征变量提取 | 第31-32页 |
| 3.2.4 训练数据预处理 | 第32-33页 |
| 3.2.5 软测量模型的建立 | 第33页 |
| 3.3 实验结果与分析 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于HAFBPLS方法对透明质酸浓度的预测 | 第37-46页 |
| 4.1 引言 | 第37-39页 |
| 4.2 参数优化方法的选择 | 第39-43页 |
| 4.2.1 粒子群算法的理论 | 第39-41页 |
| 4.2.2 基于HAFBPLS软测量模型 | 第41-42页 |
| 4.2.3 基于粒子群算法的性能测试 | 第42-43页 |
| 4.3 实验结果 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于HAFBPLS透明质酸的预测算法的系统实现 | 第46-63页 |
| 5.1 基于HAFBPLS预测的透明质酸预测的软测量模型 | 第46页 |
| 5.2 基于限定记忆法对模型进行递推校正 | 第46-49页 |
| 5.2.1 软测量模型校正 | 第46-47页 |
| 5.2.2 限定记忆法 | 第47-48页 |
| 5.2.3 基于限定记忆法对预测模型的校正 | 第48-49页 |
| 5.3 基于HAFBPLS透明质酸监控预测的系统实现 | 第49-59页 |
| 5.3.1 数据读取模块 | 第49-50页 |
| 5.3.2 发酵参数实时显示模块 | 第50-54页 |
| 5.3.3 历史数据显示模块 | 第54-57页 |
| 5.3.4 在线预测模块 | 第57-59页 |
| 5.4 系统测试及运行界面演示 | 第59-62页 |
| 5.4.1 测试历史数据查询功能 | 第59-61页 |
| 5.4.2 实时数据显示界面 | 第61页 |
| 5.4.3 数据预测显示界面 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72页 |
