| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-24页 |
| ·研究背景和意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·课题意义 | 第10-11页 |
| ·生物反应过程测控技术的发展现状与趋势 | 第11-12页 |
| ·软测量的基本原理和应用 | 第12-22页 |
| ·软测量的基本原理 | 第12-21页 |
| ·软测量的应用情况 | 第21-22页 |
| ·本文的研究内容 | 第22-24页 |
| 第二章 动态递归模糊神经网络 | 第24-36页 |
| ·引言 | 第24页 |
| ·模糊神经网络 | 第24-28页 |
| ·模糊神经元 | 第24-26页 |
| ·神经网络和模糊技术的结合 | 第26页 |
| ·模糊神经网络的结构 | 第26-28页 |
| ·模糊神经网络的特点 | 第28页 |
| ·动态递归模糊神经网络模型 | 第28-33页 |
| ·动态递归模糊神经网络结构 | 第29-31页 |
| ·动态递归模糊神经网络的BP学习算法 | 第31-32页 |
| ·动态递归模糊神经网络的特点 | 第32-33页 |
| ·仿真研究 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于动态递归模糊神经网络赖氨酸发酵软测量建模 | 第36-48页 |
| ·引言 | 第36页 |
| ·数据预处理 | 第36-40页 |
| ·基于马氏距离的误差数据剔除 | 第37-39页 |
| ·数据的归一化 | 第39-40页 |
| ·赖氨酸发酵过程软测量辅助变量的确定 | 第40-42页 |
| ·主元分析法 | 第40-41页 |
| ·核主元分析法 | 第41-42页 |
| ·基于动态递归模糊神经网络的赖氨酸发酵软测量建模 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于改进算法的动态递归模糊神经网络软测量 | 第48-61页 |
| ·引言 | 第48页 |
| ·基于改进算法的赖氨酸发酵软测量模型的辨识 | 第48-54页 |
| ·基于数据场聚类的输入空间划分 | 第49-51页 |
| ·基于FCM算法的优化输入空间模糊划分 | 第51-53页 |
| ·数据场聚类和模糊C-均值聚类相结合 | 第53-54页 |
| ·基于免疫遗传算法的模型参数优化 | 第54-57页 |
| ·免疫遗传算法原理 | 第54-55页 |
| ·基于免疫遗传算法优化模型参数算法 | 第55-57页 |
| ·基于改进算法的动态递归模糊神经网络软测量模型 | 第57-58页 |
| ·稳定性分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 结论和展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 攻读硕士期间发表论文 | 第68-69页 |
| 致谢 | 第69页 |