氧化铝生产苛性比值软测量神经网络模型的在线修正方法研究
| 第一章 绪论 | 第1-14页 |
| 1．1 课题的来源及意义 | 第7-8页 |
| 1．2 国内外研究现状与水平 | 第8-12页 |
| 1．3 研究内容 | 第12-13页 |
| 1．4 论文结构 | 第13-14页 |
| 第二章 苛性比值神经网络预测模型分析 | 第14-22页 |
| 2．1 智能集成软测量模型简介 | 第14-15页 |
| 2．2 苛性比值神经网络预测模型结构及作用 | 第15-21页 |
| 2．3 小结 | 第21-22页 |
| 第三章 在线修正模型 | 第22-46页 |
| 3．1 在线修正模型的基本结构 | 第22-24页 |
| 3．2 基于证据理论的稳态过程检验 | 第24-34页 |
| 3．2．1 证据理论的定义及基本特点 | 第24-26页 |
| 3．2．2 证据理论在稳态检验中的应用 | 第26-34页 |
| 3．3 数据校正 | 第34-44页 |
| 3．3．1 测量数据分类 | 第35-36页 |
| 3．3．2 过失误差侦破 | 第36-39页 |
| 3．3．3 过程测量数据校正 | 第39-40页 |
| 3．3．4 基于多层前馈神经网络的数据校正方法 | 第40-44页 |
| 3．4 神经网络修正的判定依据 | 第44-45页 |
| 3．5 小结 | 第45-46页 |
| 第四章 分布式复合神经网络模型修正 | 第46-53页 |
| 4．1 样本子空间的修正 | 第46-48页 |
| 4．2 基于单样本学习的修正方法 | 第48-52页 |
| 4．3 小结 | 第52-53页 |
| 第五章 软件界面及运行情况 | 第53-60页 |
| 5．1 软件界面及功能 | 第53-58页 |
| 5．2 现场运行情况 | 第58-59页 |
| 5．3 小结 | 第59-60页 |
| 第六章 结束语 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间主要研究成果 | 第66页 |
