首页--工业技术论文--化学工业论文--合成树脂与塑料工业论文--一般性问题论文--产品及检验论文--产品检验论文

废旧混合塑料的近红外识别方法研究

摘要第3-4页
ABSTRACT第4页
第一章 文献综述第7-18页
    1.1 研究背景及意义第7页
    1.2 废旧塑料的回收利用第7-9页
        1.2.1 废旧塑料的回收市场第7-8页
        1.2.2 废旧塑料的回收行业发展前景第8-9页
    1.3 废旧塑料回收技术第9-12页
        1.3.1 废旧塑料的回收处理方法第9-10页
        1.3.2 废旧塑料的识别方法第10-12页
    1.4 近红外光谱技术第12-16页
        1.4.1 近红外光谱的分析基础第12页
        1.4.2 近红外光谱的原理第12-14页
        1.4.3 近红外光谱的定性分析第14-16页
    1.5 本文研究工作与内容第16-18页
        1.5.1 本文的研究思路与方法第16页
        1.5.2 内容安排第16-18页
第二章 废旧混合塑料近红外光谱数据收集与预处理第18-33页
    2.1 近红外光谱分析第18-20页
        2.1.1 近红外光谱仪的基本构成第18-19页
        2.1.2 分析流程第19-20页
    2.2 废旧混合塑料近红外光谱的采集第20-23页
        2.2.1 样品的制备第20页
        2.2.2 光谱的采集第20-23页
    2.3 废旧塑料光谱数据库的建立第23-32页
        2.3.1 漫反射光谱的K-M变换第23-29页
        2.3.2 主成分分析法提取特征光谱第29-32页
    2.4 本章小结第32-33页
第三章 废旧塑料近红外特征光谱的Fisher判别第33-43页
    3.1 Fisher判别原理第33-35页
        3.1.1 基本思想第33-34页
        3.1.2 线性判别函数的求法第34页
        3.1.3 Fisher判别准则第34-35页
    3.2 标准样品的模型建立第35-38页
        3.2.1 材料与方法第35页
        3.2.2 判别分析函数的建立第35-38页
    3.3 样品集判别分析结果第38-40页
    3.4 对未知样品的判别分类第40-42页
    3.5 本章小结第42-43页
第四章 BP神经网络对废旧塑料近红外特征光谱的判别第43-55页
    4.1 BP神经网络第43页
    4.2 BP神经网络的原理第43-47页
        4.2.1 BP神经网络结构第43-44页
        4.2.2 BP神经网络学习算法第44-45页
        4.2.3 BP神经网络的缺陷第45-46页
        4.2.4 Levenberg-Marquardt优化算法第46-47页
    4.3 BP神经网络的建立第47-51页
        4.3.1 训练样本数据的选取和归一化处理第47-48页
        4.3.2 网络参数的确定第48-50页
        4.3.3 网络的建立第50-51页
    4.4 神经网络的MATLAB实现第51-52页
    4.5 网络训练结果与讨论第52-54页
    4.6 本章小结第54-55页
第五章 RBF神经网络对废旧塑料的识别分析第55-64页
    5.1 前言第55页
    5.2 径向基神经网络原理第55-58页
        5.2.1 基本思想第55-56页
        5.2.2 RBF神经网络的结构模型第56-57页
        5.2.3 RBF神经网络的学习算法第57-58页
    5.3 概率神经网络第58-59页
        5.3.1 概率神经网络的结构第58-59页
        5.3.2 概率神经网络的优势第59页
    5.4 概率神经网络的建立第59-61页
        5.4.1 训练样本数据的采集第59-60页
        5.4.2 网络参数的确定第60-61页
        5.4.3 网络的建立第61页
    5.5 概率神经网络的MATLAB实现第61-62页
    5.6 PNN训练结果与讨论第62-63页
    5.7 本章小结第63-64页
第六章 废旧塑料回收在线识别设备选择第64-68页
    6.1 近红外光谱在线识别应用第64-65页
    6.2 高光谱成像技术第65-66页
        6.2.1 成像技术第65页
        6.2.2 高光谱成像第65-66页
        6.2.3 高光谱的优势第66页
    6.3 高光谱成像装置第66-67页
    6.4 本章小结第67-68页
第七章 结论与展望第68-70页
    7.1 结论第68-69页
    7.2 本文创新点第69页
    7.3 展望第69-70页
参考文献第70-73页
发表论文和参加科研情况说明第73-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:中药复方真元颗粒质量标准及指纹图谱研究
下一篇:基于GIS平台的西安市数字城管系统设计