| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题来源及研究意义 | 第10页 |
| ·国内外研究现状及发展趋势 | 第10-15页 |
| ·复杂工业过程建模的现状及发展趋势 | 第10-12页 |
| ·复杂工业过程优化控制的现状及发展趋势 | 第12-15页 |
| 第2章 联合制碱 | 第15-21页 |
| ·纯碱工业发展简史 | 第15页 |
| ·我国制碱工业的发展及现状 | 第15-17页 |
| ·联合制碱工业过程的控制现状及发展趋势 | 第17-19页 |
| ·煅烧工艺简介 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 粒子滤波 | 第21-35页 |
| ·非线性滤波方法的研究现状 | 第21-23页 |
| ·常用非线性滤波方法 | 第22页 |
| ·非线性滤波方法应用对比 | 第22-23页 |
| ·粒子滤波算法 | 第23-30页 |
| ·动态系统空间模型 | 第23-24页 |
| ·贝叶斯估计理论及其滤波算法 | 第24-26页 |
| ·蒙特卡罗方法及重要性抽样 | 第26-28页 |
| ·序列-重要性-抽样(SIS)算法 | 第28页 |
| ·基本的粒子滤波算法 | 第28-30页 |
| ·粒子滤波的缺点 | 第30-32页 |
| ·粒子匮乏问题 | 第30-32页 |
| ·粒子多样性损失问题 | 第32页 |
| ·粒子滤波的应用 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 RBF 神经网络 | 第35-47页 |
| ·人工神经网络的发展及特性 | 第35-36页 |
| ·神经网络的结构 | 第36-38页 |
| ·当前神经网络的研究热点 | 第38页 |
| ·人工神经网络在复杂系统建模与优化中的应用 | 第38-39页 |
| ·RBF 神经网络 | 第39-46页 |
| ·RBF 神经网络的结构 | 第39-40页 |
| ·RBF 神经网络的学习过程 | 第40-41页 |
| ·RBF 神经网络学习算法 | 第41-43页 |
| ·RBF 神经网络的训练 | 第43-46页 |
| ·RBF 神经网络的优缺点 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第5章 RBF 神经网络在联合制碱过程中的应用 | 第47-59页 |
| ·非线性滤波和人工神经网络 | 第47页 |
| ·联合制碱煅烧工段的智能建模 | 第47-49页 |
| ·RBF 神经网络的训练 | 第49-53页 |
| ·设计思路 | 第49-50页 |
| ·RBF 神经网络的训练过程 | 第50-53页 |
| ·粒子滤波优化 | 第53页 |
| ·仿真研究 | 第53-58页 |
| ·EKF 滤波算法 | 第54-55页 |
| ·模糊神经网络 | 第55页 |
| ·粒子滤波 | 第55-57页 |
| ·模糊神经网络控制与基于粒子滤波的RBF 神经网络控制 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间所发表的论文 | 第64-65页 |
| 致谢 | 第65页 |