| 第一章 引言 | 第1-20页 |
| 第一节 精纺后整理质量预测与工艺控制的意义 | 第11-12页 |
| 第二节 后整理产品质量的评价方法 | 第12-14页 |
| 第三节 精纺后整理质量预测与工艺控制的研究现状 | 第14-18页 |
| 第四节 本课题的研究内容与方法 | 第18-20页 |
| 第二章 神经网络原理与建模过程 | 第20-33页 |
| 第一节 人工神经网络及其结构与算法 | 第20-22页 |
| 第二节 BP神经网络及其结构与算法 | 第22-26页 |
| 第三节 本课题所用BP网络模型的构建、训练与仿真 | 第26-30页 |
| 第四节 本课题所采用样本数据的预处理和后处理 | 第30-32页 |
| 第五节 本章小结 | 第32-33页 |
| 第三章 模型输入参数的确定与重要性程度的评定 | 第33-46页 |
| 第一节 模型输入参数与输出参数的确定 | 第33-37页 |
| 第二节 基于灰色优势分析确定输入参数的重要性 | 第37-41页 |
| 第三节 多因素对织物质量单一指标的灰色关联度分析 | 第41-45页 |
| 第四节 本章小结 | 第45-46页 |
| 第四章 基于神经网络技术的后整理质量预报模型 | 第46-71页 |
| 第一节 模型输入参数与输出参数及模型结构 | 第46-47页 |
| 第二节 精纺后整理过程质量预报 | 第47-67页 |
| 第三节 进一步探讨 | 第67-69页 |
| 第四节 本章小结 | 第69-71页 |
| 第五章 回归分析和神经网络预测的对比 | 第71-89页 |
| 第一节 多元线性回归简概 | 第71-72页 |
| 第二节 基于回归方法模型预测与神经网络方法的对比 | 第72-81页 |
| 第三节 神经网络容错能力的验证 | 第81-84页 |
| 第四节 基于神经网络解决线性与非线性可分问题的验证 | 第84-87页 |
| 第五节 本章小结 | 第87-89页 |
| 第六章 精纺后整理中的反演模型 | 第89-101页 |
| 第一节 原料与工艺参数反演模型 | 第89-91页 |
| 第二节 纤维品质与纱线织物规格反演 | 第91-95页 |
| 第三节 精纺后整理加工工艺参数反演 | 第95-99页 |
| 第四节 本章小结 | 第99-101页 |
| 第七章 精纺后整理虚拟加工系统的实现 | 第101-111页 |
| 第一节 软件的选择与实施 | 第101-103页 |
| 第二节 人机交互界面及功能介绍 | 第103-109页 |
| 第三节 本章小结 | 第109-111页 |
| 第八章 结论与进一步研究 | 第111-115页 |
| 参考文献 | 第115-118页 |
| 附录 | 第118-127页 |
| 附录A 精纺毛织物后整理各工序、工艺参数及评价指标参考表 | 第118-121页 |
| 附录B 后整理预测输入、输出参数及各工序参数表 | 第121-122页 |
| 附录C 后整理质量预测最后确定输入、输出参数表 | 第122-123页 |
| 附录D 织物质量指标一览表 | 第123-124页 |
| 附录E 灰色关联度分析表 | 第124-126页 |
| 附录F 本课题中所用部分输入、输出参数表 | 第126-127页 |
| 研究生期间发表论文 | 第127-128页 |
| 致谢 | 第128页 |