| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题来源 | 第9-10页 |
| ·铝电磁铸轧技术和晶粒度检测技术的研究现状 | 第10-12页 |
| ·铝电磁铸轧技术的研究现状 | 第10-11页 |
| ·铝带坯晶粒度检测技术 | 第11-12页 |
| ·软测量技术概述 | 第12-15页 |
| ·软测量技术简述 | 第12-13页 |
| ·软测量的建模方法 | 第13-15页 |
| ·软测量技术的研究现状 | 第15页 |
| ·论文主要工作及章节安排 | 第15-17页 |
| 第二章 铝电磁铸轧工艺与铝带坯晶粒度影响因素分析 | 第17-28页 |
| ·铝电磁铸轧系统工艺与原理分析 | 第17-21页 |
| ·铝电磁铸轧系统简介 | 第17-18页 |
| ·铝电磁铸轧工艺分析 | 第18-19页 |
| ·电磁感应装置原理介绍 | 第19-21页 |
| ·铝带坯晶粒度影响因素分析 | 第21-27页 |
| ·影响铝带坯晶粒度的铸轧因素 | 第21-24页 |
| ·影响铝带坯晶粒度的电磁因素 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 统计学习理论和最小二乘支持向量机 | 第28-38页 |
| ·统计学习理论 | 第28-31页 |
| ·统计学习理论简介 | 第28-29页 |
| ·统计学习理论的主要内容 | 第29-31页 |
| ·支持向量机 | 第31-35页 |
| ·最优分类超平面 | 第32-33页 |
| ·核函数 | 第33-34页 |
| ·支持向量机 | 第34-35页 |
| ·最小二乘支持向量机 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于LS-SVM的铝带坯晶粒度软测量的实现 | 第38-54页 |
| ·软测量技术的基本原理与设计流程 | 第38-39页 |
| ·辅助变量的选择 | 第39-41页 |
| ·数据预处理 | 第41-43页 |
| ·异常数据剔除 | 第41-43页 |
| ·数据的标准化处理 | 第43页 |
| ·模型结构设计 | 第43-44页 |
| ·基于LS-SVM的铝带坯晶粒度软测量模型的仿真与结果分析 | 第44-53页 |
| ·核函数对模型精度的影响 | 第46-51页 |
| ·正则化参数对模型精度的影响 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于PSO优化的晶粒度软测量模型 | 第54-62页 |
| ·粒子群算法概述 | 第54-57页 |
| ·粒子群算法基本原理 | 第54-57页 |
| ·粒子群算法的特点 | 第57页 |
| ·基于PSO优化的软测量模型仿真结果分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69页 |