| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 软测量技术概述 | 第13-14页 |
| 1.2.1 软测量技术的产生 | 第13页 |
| 1.2.2 软测量技术基本原理 | 第13-14页 |
| 1.2.3 软测量技术的应用现状 | 第14页 |
| 1.3 软测量建模流程 | 第14-18页 |
| 1.3.1 二次变量的选取 | 第14-15页 |
| 1.3.2 数据预处理 | 第15-16页 |
| 1.3.3 主导变量和辅助变量之间的时序匹配 | 第16页 |
| 1.3.4 软测量建模方法 | 第16-17页 |
| 1.3.5 软测量模型的在线校正 | 第17-18页 |
| 1.4 论文研究的意义和主要内容 | 第18-19页 |
| 第2章 乳化炸药质量影响因素分析及控制方案 | 第19-29页 |
| 2.1 乳化炸药生产工艺流程 | 第19-22页 |
| 2.1.1 油水相制备 | 第20页 |
| 2.1.2 乳化 | 第20-21页 |
| 2.1.3 敏化 | 第21页 |
| 2.1.4 装药包装 | 第21-22页 |
| 2.2 乳化炸药质量影响因素分析 | 第22-25页 |
| 2.2.1 乳化炸药质量指标 | 第22-23页 |
| 2.2.2 原材料 | 第23-24页 |
| 2.2.3 生产工艺参数对质量的影响 | 第24-25页 |
| 2.3 乳化炸药质量监控系统设计方案 | 第25-28页 |
| 2.3.1 乳化炸药质量控制现状 | 第25-27页 |
| 2.3.2 乳化炸药质量监控系统设计方案 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于遗传算法优化BP神经网络的软测量模型 | 第29-43页 |
| 3.1 人工神经网络 | 第29-32页 |
| 3.1.1 神经网络概述 | 第29页 |
| 3.1.2 神经元 | 第29-30页 |
| 3.1.3 神经网络种类 | 第30-31页 |
| 3.1.4 神经网络学习方式 | 第31-32页 |
| 3.2 BP神经网络 | 第32-38页 |
| 3.2.1 网络结构 | 第32页 |
| 3.2.2 BP神经网络学习规则 | 第32-37页 |
| 3.2.3 BP神经网络优缺点 | 第37-38页 |
| 3.3 遗传算法 | 第38-40页 |
| 3.3.1 遗传算法概述 | 第38-39页 |
| 3.3.2 遗传算法优化BP神经网络 | 第39-40页 |
| 3.4 GA-BP实现爆速和猛度的软测量的基本流程 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 爆速和猛度的软测量模型的建立及仿真 | 第43-49页 |
| 4.1 软测量输入变量的选取 | 第43页 |
| 4.2 数据预处理 | 第43-44页 |
| 4.3 爆速和猛度软测量模型的建立 | 第44-47页 |
| 4.4 质量监控系统软测量模型有效性验证 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 乳化炸药质量监控系统的设计 | 第49-59页 |
| 5.1 质量监控系统硬件设计 | 第49-53页 |
| 5.1.1 传感器 | 第50-52页 |
| 5.1.2 PLC选型 | 第52-53页 |
| 5.2 系统的软件设计 | 第53-58页 |
| 5.2.1 乳化炸药质量监控系统软件结构 | 第53-54页 |
| 5.2.2 组态王与Access的连接 | 第54页 |
| 5.2.3 质量监控系统软件功能及建立过程 | 第54-56页 |
| 5.2.4 组态王与VB连接 | 第56-58页 |
| 5.2.5 VB调用Matlab | 第58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录一 | 第65页 |