文摘
英文文摘
声明
绪论
0.1引言
0.2 目前关于多模型建模的研究
0.3 本文主要的研究内容
0.4 文章的基本结构
第一章软测量技术概述
1.1引言
1.2 软测量技术的数学描述和结构
1.2.1 软测量技术的数学描述
1.2.2 软测量的结构
1.3 影响软测量模型性能的因素
1.4 软测量的建模方法
1.5 软测量的设计步骤
小结
第二章多变量统计
2.1 数据的标准化处理
2.2 多元线性回归分析
2.3 偏最小二乘回归方法
2.3.1 建模原理
2.3.2 交叉有效性
2.4 偏最小二乘异常数据检测法
小结
第三章聚类算法及其改进
3.1 模糊划分
3.2 FCM算法
3.3 聚类有效性函数
3.4 减法聚类
3.5 基于减法聚类和FCM融合的聚类算法
3.5.1 目前关于FCM算法和减法聚类研究的不足
3.5.2 改进的聚类算法
3.5.3 程序代码
3.5.4 仿真实验
小结
第四章神经模糊建模
4.1 模糊建模的一般步骤
4.2 自适应神经模糊建模(ANFIS)
4.2.1 模糊控制在应用过程中存在的问题
4.2.2 ANTIS的结构
4.2.3 混合学习算法
4.3 基于减法聚类的神经模糊建模
4.3.1 由聚类中心构造-阶Sugeno模糊模型
4.3.2 基于减法聚类的自适应神经模糊建模
小结
第五章多模型建模的方法研究
5.1 引言
5.2 基于减法聚类和FCM聚类融合的神经模糊多模型建模
5.2.1 多模型非加权结构模型
5.2.2 基于ANFIS的类别判别方法
5.2.3 仿真实验
5.3 基于PLS的神经模糊多模型建模
5.3.1 多神经模糊网络结构
5.3.2 多神经模糊网络算法
5.3.3 仿真实验
小结
第六章神经模糊网络多模型建模方法在工业软测量中的应用
6.1 基于减法聚类和FCM聚类融合的神经模糊多模型建模方法在厌氧消化过程中挥发性脂肪酸(VFA)浓度预测中的应用
6.1.1 厌氧消化过程中挥发性脂肪酸的预测问题
6.1.2 数据预处理
6.1.3 用多元线性回归方法建立多元回归模型
6.1.4 基于减法聚类和FCM聚类融合的神经模糊多模型方法建模
6.1.5 结果分析比较
6.2 基于PLS的神经模糊多模型建模方法在飞机剩余油量预测中的应用
6.2.1 飞机燃油箱剩余油量的测量问题
6.2.2 基于PLS的单ANFIS软测量模型的建立
6.2.3 基于PLS的多ANTIS软测量模型的建立
6.2.4 结果分析比较
小结
总结与展望
参考文献
硕士期间发表的论文
致谢