| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-25页 |
| ·研究背景及意义 | 第12-14页 |
| ·课题研究背景 | 第12-13页 |
| ·课题研究意义 | 第13-14页 |
| ·生物反应过程软测量技术研究现状 | 第14-21页 |
| ·基于机理模型的软测量建模 | 第15-16页 |
| ·基于数据驱动的软测量建模 | 第16-20页 |
| ·混合软测量建模 | 第20-21页 |
| ·生物反应过程优化控制研究现状 | 第21-22页 |
| ·基于机理模型的优化控制 | 第21页 |
| ·基于数据驱动的优化控制 | 第21-22页 |
| ·论文主要研究内容 | 第22-25页 |
| 第2章 理论基础 | 第25-50页 |
| ·引言 | 第25页 |
| ·软测量技术 | 第25-28页 |
| ·软测量建模原理 | 第25-26页 |
| ·软测量建模方法 | 第26-28页 |
| ·支持向量机 | 第28-35页 |
| ·VC维及结构风险最小化原则 | 第28-31页 |
| ·支持向量机原理 | 第31-35页 |
| ·广义预测控制 | 第35-45页 |
| ·预测控制理论 | 第35-40页 |
| ·广义预测控制理论 | 第40-45页 |
| ·粒子群优化算法 | 第45-49页 |
| ·PSO算法基本原理 | 第45-46页 |
| ·标准PSO算法 | 第46-47页 |
| ·带极值扰动粒子群优化算法 | 第47-48页 |
| ·混沌粒子群优化算法 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第3章 基于数据驱动的生物反应过程CPSO-LSSVM软测量 | 第50-66页 |
| ·引言 | 第50页 |
| ·典型生物反应过程及其关键参数 | 第50-53页 |
| ·数据预处理 | 第53-54页 |
| ·辅助变量选择 | 第54-55页 |
| ·生物反应过程软测量模型构建 | 第55-59页 |
| ·基于数据驱动的LS-SVM软测量模型 | 第55-57页 |
| ·基于CPSO的软测量模型优化 | 第57-59页 |
| ·实验与仿真 | 第59-65页 |
| ·小结 | 第65-66页 |
| 第4章 基于数据驱动的生物反应过程预测控制 | 第66-76页 |
| ·引言 | 第66页 |
| ·基于数据驱动的生物反应过程广义预测控制建模 | 第66-69页 |
| ·生物反应过程广义预测控制 | 第69-70页 |
| ·基于PSO的预测控制滚动优化 | 第70-71页 |
| ·实验与仿真 | 第71-74页 |
| ·小结 | 第74-76页 |
| 第5章 数字化系统 | 第76-90页 |
| ·引言 | 第76页 |
| ·开发平台和工具选择 | 第76-78页 |
| ·系统架构 | 第78-81页 |
| ·系统硬件结构 | 第78-79页 |
| ·系统软件方案设计 | 第79-80页 |
| ·系统运行流程 | 第80-81页 |
| ·系统功能模块设计 | 第81-88页 |
| ·数据采集模块 | 第81-84页 |
| ·数据库模块 | 第84页 |
| ·系统功能模块图形界面 | 第84-88页 |
| ·小结 | 第88-90页 |
| 第6章 总结与展望 | 第90-93页 |
| ·全文工作总结 | 第90-91页 |
| ·研究展望 | 第91-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-100页 |
| 读博期间发表的论文及其他科研成果 | 第100-102页 |
| 读博期间参与科研项目 | 第102页 |