| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 软测量技术及应用概述 | 第11-13页 |
| 1.2.1 软测量技术概述 | 第11页 |
| 1.2.2 软测量技术的建模方法 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 本文章节安排 | 第15-16页 |
| 第2章 生料粉磨工艺及细度软测量系统辅助变量研究 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 生料粉磨系统工艺概述 | 第16-18页 |
| 2.3 生料细度软测量辅助变量的选取 | 第18-22页 |
| 2.3.1 生料磨工作原理 | 第18-19页 |
| 2.3.2 生料细度影响因素分析 | 第19-21页 |
| 2.3.3 辅助变量的选取 | 第21-22页 |
| 2.4 生料细度软测量的数据采集 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 生料细度软测量系统的延时辨识模型研究 | 第24-37页 |
| 3.1 引言 | 第24页 |
| 3.2 软测量系统中的延时分析 | 第24-27页 |
| 3.3 生料细度软测量系统中的延时辨识模型 | 第27-30页 |
| 3.3.1 动态响应延时参数辨识方法 | 第27-28页 |
| 3.3.2 静态响应延时参数辨识 | 第28-30页 |
| 3.4 生料粉磨系统中辅助变量的延时参数辨识 | 第30-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于支持向量机的生料粉磨细度软测量模型研究 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 T-LSSVR的软测量模型研究 | 第37-43页 |
| 4.2.1 最小二乘支持向量回归机概述 | 第37-38页 |
| 4.2.2 延时-最小二乘支持向量回归机模型研究 | 第38-43页 |
| 4.3 基于T-LSSVR的生料细度软测量建模及实验 | 第43-48页 |
| 4.3.1 生料细度软测量建模概述 | 第43-44页 |
| 4.3.2 生料细度软测量建模及实验 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 生料细度软测量系统的实现 | 第49-62页 |
| 5.1 引言 | 第49页 |
| 5.2 生料细度软测量系统的软件设计 | 第49-52页 |
| 5.3 生料细度软测量系统的接口设计 | 第52-54页 |
| 5.3.1 C | 第52-53页 |
| 5.3.2 C | 第53-54页 |
| 5.4 T-LSSVR生料细度软测量系统的实现 | 第54-61页 |
| 5.4.1 延时参数辨识模块 | 第56-58页 |
| 5.4.2 生料细度软测量模型训练模块 | 第58-59页 |
| 5.4.3 生料细度软测量模型应用模块 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69页 |