| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 引言 | 第11-20页 |
| ·课题的提出 | 第11-14页 |
| ·课题的背景 | 第11-13页 |
| ·课题的目的与意义 | 第13-14页 |
| ·国内外研究现状 | 第14-19页 |
| ·软测量技术发展现状 | 第14页 |
| ·神经网络逆的应用现状 | 第14页 |
| ·模糊神经网络的发展现状 | 第14-16页 |
| ·粗糙集理论的发展现状 | 第16页 |
| ·对优化红霉素发酵过程的研究现状 | 第16-19页 |
| ·论文主要的研究内容 | 第19-20页 |
| 2 相关理论与技术概述 | 第20-41页 |
| ·软测量技术 | 第20-26页 |
| ·软测量技术的数学描述 | 第20-21页 |
| ·软测量技术分类 | 第21-23页 |
| ·影响软仪表性能的因素 | 第23-26页 |
| ·神经网络逆理论 | 第26-31页 |
| ·逆系统 | 第26-29页 |
| ·逆系统的基本概念 | 第26-27页 |
| ·系统的可逆性 | 第27-28页 |
| ·伪线性复合系统 | 第28-29页 |
| ·神经网络逆系统理论 | 第29-31页 |
| ·粗糙集理论 | 第31-40页 |
| ·知识与不可分辨关系 | 第32-33页 |
| ·决策表、约简与核 | 第33-35页 |
| ·决策表离散化算法 | 第35-36页 |
| ·决策规则与规则约简 | 第36-39页 |
| ·粗糙集的特点 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 3 基于"内含传感器"的粗糙模糊神经网络逆方法的提出 | 第41-49页 |
| ·引言 | 第41页 |
| ·基于"内含传感器"的粗糙模糊神经网络逆方法分析 | 第41-47页 |
| ·基于"内含传感器"的神经网络逆方法 | 第41-43页 |
| ·粗糙模糊神经网络方法 | 第43-47页 |
| ·模糊神经网络构建方法 | 第43-46页 |
| ·基于粗糙集理论的模糊规则提取算法 | 第46-47页 |
| ·基于"内含传感器"的粗糙模糊神经网络逆方法的建模步骤 | 第47页 |
| ·基于"内含传感器"的粗糙模糊神经网络逆方法系统的特点 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 4 基于"内含传感器"的粗糙模糊神经网络逆软测量方法在红霉素发酵过程中的应用 | 第49-71页 |
| ·引言 | 第49页 |
| ·红霉素发酵的特点 | 第49-50页 |
| ·运用基于"内含传感器"的粗糙神经网络逆方法对关键参数进行软测量建模 | 第50-64页 |
| ·红霉素发酵过程的动力学模型 | 第50-52页 |
| ·"内含传感器"的构造 | 第52-57页 |
| ·辅助变量的确定 | 第57-58页 |
| ·数据的预处理 | 第58-62页 |
| ·样本数据的误差处理 | 第58-61页 |
| ·样本数据的归一化 | 第61-62页 |
| ·基于"内含传感器"的粗糙模糊神经网络逆的构造 | 第62-64页 |
| ·粗糙神经网络的基本结构 | 第62-63页 |
| ·网络的学习算法 | 第63-64页 |
| ·软测量方法的建模结果仿真 | 第64-71页 |
| 5 总结和展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录A 红霉素发酵模型符号说明 | 第77-78页 |
| 附录B 辅助算法 | 第78-79页 |
| 附录C 发酵数据 | 第79-82页 |
| 致谢 | 第82-83页 |
| 在读期间发表的论文 | 第83页 |
