注塑发泡无害化生产过程数据处理与分析研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·选题背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·常用数据处理与分析方法 | 第9-10页 |
| ·人工神经网络在塑料加工过程预测中的应用 | 第10-11页 |
| ·基于遗传算法优化神经网络的应用研究现状 | 第11-12页 |
| ·本文研究内容和方法 | 第12-13页 |
| ·研究内容 | 第12-13页 |
| ·研究方法 | 第13页 |
| ·本文的组织安排 | 第13-16页 |
| 第二章 人工神经网络和遗传算法理论基础 | 第16-26页 |
| ·人工神经网络概述 | 第16-18页 |
| ·人工神经网络的基本模型 | 第16-17页 |
| ·人工神经网络的数据处理优势 | 第17-18页 |
| ·BP 神经网络 | 第18-22页 |
| ·BP 神经网络的结构 | 第18-19页 |
| ·BP 神经网络的学习过程 | 第19-21页 |
| ·BP 神经网络的主要不足及改进 | 第21-22页 |
| ·遗传算法概述 | 第22-25页 |
| ·遗传算法简介 | 第22-23页 |
| ·遗传算法的运算流程 | 第23页 |
| ·遗传算法对神经网络的优化 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 注塑发泡无害化生产过程数据的采集 | 第26-36页 |
| ·数据采集系统介绍 | 第26-30页 |
| ·硬件构成 | 第27-28页 |
| ·基于 LabVIEW 的数据采集系统软件的实现 | 第28-30页 |
| ·试验数据的采集 | 第30-33页 |
| ·正交试验方案 | 第30-31页 |
| ·正交试验数据的采集 | 第31-33页 |
| ·能耗的检测与计算 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 多元线性回归质量模型的构建 | 第36-46页 |
| ·数据相关性分析 | 第36-39页 |
| ·多元线性回归质量模型的建立 | 第39-45页 |
| ·回归分析相关理论基础 | 第39-40页 |
| ·回归方程的创建 | 第40-43页 |
| ·回归模型的拟合值评价 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 BP 神经网络质量模型的构建 | 第46-56页 |
| ·BP 神经网络质量模型的建立 | 第46-51页 |
| ·样本数据的来源及预处理 | 第46-47页 |
| ·BP 神经网络质量模型的实现 | 第47-51页 |
| ·BP 神经网络的训练与测试 | 第51-54页 |
| ·评价指标的选择 | 第51页 |
| ·BP 网络的训练与测试 | 第51-54页 |
| ·结果分析与模型的进一步讨论 | 第54-55页 |
| ·结果分析 | 第54-55页 |
| ·模型的进一步讨论 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第六章 GA-BP 神经网络质量模型的构建 | 第56-68页 |
| ·GA-BP 神经网络实现和参数选择 | 第56-58页 |
| ·编码方案 | 第56-57页 |
| ·适应度函数的确定 | 第57页 |
| ·遗传控制参数的确定 | 第57-58页 |
| ·GA-BP 神经网络的训练与测试 | 第58-62页 |
| ·GA-BP 神经网络的训练 | 第58-61页 |
| ·GA-BP 神经网络的测试 | 第61-62页 |
| ·相关数据处理方法的对比分析 | 第62-63页 |
| ·模型的应用 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 第七章 结论与展望 | 第68-72页 |
| ·结论 | 第68-69页 |
| ·研究展望 | 第69-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间发表学术论文及科研情况 | 第76-78页 |
| 致谢 | 第78页 |
