论文目录 | |
| 摘要 | 第1-7
页 |
| Abstract | 第7-11
页 |
| 1 引言 | 第11-20
页 |
| · 课题的提出 | 第11-14
页 |
| · 课题的背景 | 第11-13
页 |
| · 课题的目的与意义 | 第13-14
页 |
| · 国内外研究现状 | 第14-19
页 |
| · 软测量技术发展现状 | 第14
页 |
| · 神经网络逆的应用现状 | 第14
页 |
| · 模糊神经网络的发展现状 | 第14-16
页 |
| · 粗糙集理论的发展现状 | 第16
页 |
| · 对优化红霉素发酵过程的研究现状 | 第16-19
页 |
| · 论文主要的研究内容 | 第19-20
页 |
| 2 相关理论与技术概述 | 第20-41
页 |
| · 软测量技术 | 第20-26
页 |
| · 软测量技术的数学描述 | 第20-21
页 |
| · 软测量技术分类 | 第21-23
页 |
| · 影响软仪表性能的因素 | 第23-26
页 |
| · 神经网络逆理论 | 第26-31
页 |
| · 逆系统 | 第26-29
页 |
| · 逆系统的基本概念 | 第26-27
页 |
| · 系统的可逆性 | 第27-28
页 |
| · 伪线性复合系统 | 第28-29
页 |
| · 神经网络逆系统理论 | 第29-31
页 |
| · 粗糙集理论 | 第31-40
页 |
| · 知识与不可分辨关系 | 第32-33
页 |
| · 决策表、约简与核 | 第33-35
页 |
| · 决策表离散化算法 | 第35-36
页 |
| · 决策规则与规则约简 | 第36-39
页 |
| · 粗糙集的特点 | 第39-40
页 |
| · 本章小结 | 第40-41
页 |
| 3 基于"内含传感器"的粗糙模糊神经网络逆方法的提出 | 第41-49
页 |
| · 引言 | 第41
页 |
| · 基于"内含传感器"的粗糙模糊神经网络逆方法分析 | 第41-47
页 |
| · 基于"内含传感器"的神经网络逆方法 | 第41-43
页 |
| · 粗糙模糊神经网络方法 | 第43-47
页 |
| · 模糊神经网络构建方法 | 第43-46
页 |
| · 基于粗糙集理论的模糊规则提取算法 | 第46-47
页 |
| · 基于"内含传感器"的粗糙模糊神经网络逆方法的建模步骤 | 第47
页 |
| · 基于"内含传感器"的粗糙模糊神经网络逆方法系统的特点 | 第47-48
页 |
| · 本章小结 | 第48-49
页 |
| 4 基于"内含传感器"的粗糙模糊神经网络逆软测量方法在红霉素发酵过程中的应用 | 第49-71
页 |
| · 引言 | 第49
页 |
| · 红霉素发酵的特点 | 第49-50
页 |
| · 运用基于"内含传感器"的粗糙神经网络逆方法对关键参数进行软测量建模 | 第50-64
页 |
| · 红霉素发酵过程的动力学模型 | 第50-52
页 |
| · "内含传感器"的构造 | 第52-57
页 |
| · 辅助变量的确定 | 第57-58
页 |
| · 数据的预处理 | 第58-62
页 |
| · 样本数据的误差处理 | 第58-61
页 |
| · 样本数据的归一化 | 第61-62
页 |
| · 基于"内含传感器"的粗糙模糊神经网络逆的构造 | 第62-64
页 |
| · 粗糙神经网络的基本结构 | 第62-63
页 |
| · 网络的学习算法 | 第63-64
页 |
| · 软测量方法的建模结果仿真 | 第64-71
页 |
| 5 总结和展望 | 第71-73
页 |
| · 总结 | 第71
页 |
| · 展望 | 第71-73
页 |
| 参考文献 | 第73-77
页 |
| 附录A 红霉素发酵模型符号说明 | 第77-78
页 |
| 附录B 辅助算法 | 第78-79
页 |
| 附录C 发酵数据 | 第79-82
页 |
| 致谢 | 第82-83
页 |
| 在读期间发表的论文 | 第83
页 |
