| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 引言 | 第8-9页 |
| 1 课题研究现状及意义 | 第9-16页 |
| 1.1 国内外钕铁硼氢粉碎工艺控制研究现状 | 第9-10页 |
| 1.1.1 国外氢粉碎工艺及控制水平 | 第9页 |
| 1.1.2 国内氢粉碎工艺及控制水平 | 第9-10页 |
| 1.2 钕铁硼氢粉碎制备工艺 | 第10-14页 |
| 1.2.1 钕铁硼氢粉碎反应原理 | 第10-11页 |
| 1.2.2 钕铁硼氢粉碎生产流程 | 第11-14页 |
| 1.3 课题意义及主要研究内容 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 支持向量机及统计学习理论 | 第16-33页 |
| 2.1 统计学习理论 | 第16-20页 |
| 2.1.1 机器学习理论 | 第16-18页 |
| 2.1.2 VC 维与风险最小化 | 第18-20页 |
| 2.2 支持向量机原理概述 | 第20-32页 |
| 2.2.1 支持向量机分类 | 第23-28页 |
| 2.2.2 支持向量机回归 | 第28-32页 |
| 2.3 本章小结 | 第32-33页 |
| 3 蚁群算法—支持向量机在钕铁硼氢粉碎工艺过程控制中的应用 | 第33-48页 |
| 3.1 确定输入输出变量 | 第33页 |
| 3.2 数据预处理 | 第33-35页 |
| 3.3 建立支持向量机回归模型 | 第35-36页 |
| 3.4 模型参数优化 | 第36-42页 |
| 3.4.1 粒子群优化算法 | 第36-38页 |
| 3.4.2 蚁群优化算法 | 第38-42页 |
| 3.5 氢含量模型仿真与验证 | 第42-44页 |
| 3.6 群体智能算法优化参数的氢含量模型的预测效果对比 | 第44-47页 |
| 3.7 本章小结 | 第47-48页 |
| 4 钕铁硼氢粉碎工艺过程控制系统的设计 | 第48-67页 |
| 4.1 课题总体研究方案 | 第48-49页 |
| 4.2 控制系统软件设计 | 第49-61页 |
| 4.2.1 软件模块 | 第49页 |
| 4.2.2 KingView 组态监控界面设计 | 第49-52页 |
| 4.2.3 数据库与上位机的数据交互 | 第52-61页 |
| 4.3 预测模型与组态王之间 OPC 通讯 | 第61-63页 |
| 4.3.1 OPC 技术 | 第61-62页 |
| 4.3.2 预测模型与组态王之间 OPC 通讯的实现 | 第62-63页 |
| 4.4 控制系统硬件模块功能的设计与实现 | 第63-65页 |
| 4.5 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 A 预测模型部分程序代码 | 第73-76页 |
| 附录 B 改进蚁群算法部分程序代码 | 第76-78页 |
| 在学研究成果 | 第78-79页 |
| 致谢 | 第79页 |
