基于模糊神经网络的聚氯乙烯颗粒特性软测量研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·引言 | 第10-12页 |
| ·文章结构 | 第12-14页 |
| 第二章 基于数据的智能建模方法 | 第14-25页 |
| ·引言 | 第14-15页 |
| ·建模方法 | 第15-21页 |
| ·主元分析 | 第15-16页 |
| ·偏最小二乘法 | 第16-18页 |
| ·人工神经网络 | 第18页 |
| ·支持向量机 | 第18-20页 |
| ·粗糙集理论 | 第20-21页 |
| ·化工领域的应用 | 第21-24页 |
| ·过程建模 | 第21-22页 |
| ·过程优化 | 第22-23页 |
| ·过程控制 | 第23页 |
| ·过程故障诊断 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 动态模糊神经网络 | 第25-41页 |
| ·引言 | 第25页 |
| ·模糊神经网络 | 第25-29页 |
| ·模糊神经元 | 第26-28页 |
| ·2 模糊神经网络结构确定 | 第28-29页 |
| ·动态模糊神经网络 | 第29-39页 |
| ·基本特点 | 第29-30页 |
| ·网络结构 | 第30-31页 |
| ·训练算法 | 第31-39页 |
| ·小结 | 第39-41页 |
| 第四章 基于粗糙集的知识简约方法 | 第41-50页 |
| ·引言 | 第41页 |
| ·粗糙集理论的基本概念 | 第41-44页 |
| ·基本概念 | 第41-42页 |
| ·特征描述 | 第42-44页 |
| ·知识简约 | 第44-45页 |
| ·约简与核 | 第44页 |
| ·相对约简与相对核 | 第44-45页 |
| ·决策表的知识简约 | 第45-49页 |
| ·决策表的相关概念 | 第45-46页 |
| ·数据离散化 | 第46-47页 |
| ·决策表知识简约的步骤 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第五章 粗糙集-动态模糊神经网络模型 | 第50-59页 |
| ·引言 | 第50页 |
| ·模型结构 | 第50页 |
| ·建模步骤 | 第50-54页 |
| ·确定辅助变量 | 第50-52页 |
| ·采集数据 | 第52-54页 |
| ·知识简约 | 第54页 |
| ·粗糙集-动态模糊神经网络模型 | 第54-58页 |
| ·模型结构 | 第54-56页 |
| ·模型算法 | 第56-57页 |
| ·BP算法的缺点以及改进方法 | 第57-58页 |
| ·小结 | 第58-59页 |
| 第六章 聚氯乙烯颗粒特性软测量建模研究 | 第59-78页 |
| ·引言 | 第59-60页 |
| ·聚氯乙烯的生产工艺 | 第60-62页 |
| ·聚氯乙烯颗粒特性 | 第62-64页 |
| ·聚氯乙烯颗粒特性软测量模型 | 第64-77页 |
| ·选择辅助变量 | 第64-67页 |
| ·数据采集与处理 | 第67页 |
| ·数据离散化 | 第67-69页 |
| ·确定模糊规则数 | 第69-70页 |
| ·初始权值确定 | 第70页 |
| ·平均粒径预测 | 第70-72页 |
| ·模型性能比较 | 第72-75页 |
| ·模型对过程的分析 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第七章 总结与展望 | 第78-82页 |
| ·全文总结 | 第78-79页 |
| ·研究展望 | 第79-82页 |
| 参考文献 | 第82-93页 |
| 致谢 | 第93-94页 |
| 攻读学位期间发表的学术论文目录 | 第94页 |
