| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-8页 |
| 第一章 综述 | 第8-16页 |
| 1．1 引言 | 第8-9页 |
| 1．2 智能软测量和智能预测控制 | 第9-13页 |
| 1．2．1 软测量 | 第9-11页 |
| 1．2．2 智能预测控制 | 第11-13页 |
| 1．3 湿法磷酸生产过程控制的现状与需求 | 第13-15页 |
| 1．4 论文主要工作 | 第15-16页 |
| 第二章 湿法磷酸生产工艺流程 | 第16-27页 |
| 2．1 概述 | 第16-17页 |
| 2．2 湿法磷酸的生产方法 | 第17-18页 |
| 2．3 硫酸法制湿法磷酸的工艺原理 | 第18-20页 |
| 2．4 湿法磷酸生产工艺流程 | 第20-21页 |
| 2．5 湿法磷酸生产过程的工艺流程 | 第21-27页 |
| 第三章 基于模糊系统和神经网络的SO_3软测量模型 | 第27-55页 |
| 3．1 引言 | 第27页 |
| 3．2 模糊系统和神经网络 | 第27-33页 |
| 3．2．1 模糊系统 | 第27-30页 |
| 3．2．2 神经网络 | 第30-33页 |
| 3．3 三种智能软测量算法 | 第33-42页 |
| 3．3．1 基于T-S模糊神经网络的算法 | 第33-37页 |
| 3．3．2 基于FCM-RBF多模型神经网络的算法 | 第37-40页 |
| 3．3．3 基于RBF多模型神经网络的算法 | 第40-42页 |
| 3．4 工业应用研究 | 第42-53页 |
| 3．4．1 辅助变量选取 | 第42-44页 |
| 3．4．2 基于T-S模型软测量 | 第44-46页 |
| 3．4．3 基于FCM-RBF多模型软测量 | 第46-49页 |
| 3．4．4 基于RBF多模型软测量 | 第49-52页 |
| 3．4．5 几种算法的对比分析 | 第52-53页 |
| 3．5 结论 | 第53-55页 |
| 第四章 基于软测量模型的预测控制算法 | 第55-64页 |
| 4．1 引言 | 第55页 |
| 4．2 算法描述 | 第55-60页 |
| 4．2．1 改进的广义预测控制算法 | 第55-59页 |
| 4．2．2 T-S模糊神经网络模型的控制策略 | 第59-60页 |
| 4．3 仿真研究 | 第60-63页 |
| 4．4 结论 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5．1 总结 | 第64-65页 |
| 5．2 展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士期间发表论文情况 | 第71页 |
| 作者简介 | 第71页 |