摘要
1 绪论
1.1 课题来源及研究目的和意义
1.2 国内外研究现状及发展趋势
1.2.1 木材干燥建模的研究现状及发展趋势
1.2.2 支持向量机建模的研究现状及发展趋势
1.2.3 模糊神经网络建模的研究现状及发展趋势
1.3 木材干燥工艺
1.3.1 木材中的水分及其测量方法
1.3.2 木材干燥控制目的及要求
1.3.3 干燥过程中的参数及主要影响因素
1.3.4 木材干燥基准
1.4 本文研究的主要内容
2 统计学习理论与支持向量机
2.1 统计学习理论
2.1.1 机器学习的基本模型
2.1.2 经验风险最小化
2.1.3 学习过程的一致性条件
2.1.4 VC维理论与推广性的界
2.1.5 结构风险最小化
2.2 支持向量机
2.2.1 支持向量机的基本思想
2.2.2 支持向量机的回归原理
2.2.3 支持向量机的核函数
2.3 本章小结
3 基于LS-SVM的木材干燥过程基准模型
3.1 干燥过程中的木材含水率及影响因素
3.2 LS-SVM建模方法的基本原理
3.3 基于LS-SVM的木材干燥过程的基准模型结构
3.4 木材干燥过程建模实验仿真环境
3.5 基于LS-SVM的木材干燥过程基准模型仿真实验
3.5.1 柞木干燥过程LS-SVM基准模型仿真实验
3.5.2 水曲柳干燥过程LS-SVM基准模型仿真实验
3.5.3 木材干燥过程LS-SVM基准模型仿真实验结果分析
3.6 本章小结
4 基于智能算法优化LS-SVM的木材干燥过程基准模型
4.1 网格搜索法
4.1.1 交叉验证法
4.1.2 基于交叉验证的网格搜索法
4.2 基于GS-LSSVM的木材干燥过程基准模型
4.2.1 基于GS-LSSVM的木材干燥过程基准模型结构
4.2.2 柞木干燥过程GS-LSSVM基准模型仿真实验
4.2.3 水曲柳干燥过程GS-LSSVM基准模型仿真实验
4.2.4 木材干燥过程GS-LSSVM基准模型仿真实验结果分析
4.3 遗传算法
4.3.1 遗传算法的基本思想
4.3.2 遗传算法的主要步骤
4.4 基于GA-LSSVM的木材干燥过程基准模型
4.4.1 基于GA-LSSVM的木材干燥过程基准模型结构
4.4.2 柞木干燥过程GA-LSSVM基准模型仿真实验
4.4.3 水曲柳干燥过程GA-LSSVM基准模型仿真实验
4.4.4 木材干燥过程GA-LSSVM基准模型仿真实验结果分析
4.5 粒子群优化算法
4.5.1 粒子群优化算法的基本原理
4.5.2 基本粒子群优化算法流程
4.6 基于PSO-LSSVM的木材干燥过程基准模型
4.6.1 基于PSO-LSSVM的木材干燥过程基准模型结构
4.6.2 柞木干燥过程PSO-LSSVM基准模型仿真实验
4.6.3 水曲柳干燥过程PSO-LSSVM基准模型仿真实验
4.6.4 木材干燥过程PSO-LSSVM基准模型仿真实验结果分析
4.7 三种智能优化方法的仿真实验结果对比分析
4.8 本章小结
5 基于FW-PSO-LSSVM的木材干燥基准模型和控制模型
5.1 木材干燥过程的在线FW-PSO-LSSVM模型
5.1.1 模糊加权基本理论
5.1.2 木材干燥过程的控制模型和基准模型结构
5.2 基于FW-PSO-LSSVM的木材干燥过程基准模型
5.2.1 基于FW-PSO-LSSVM的木材干燥过程基准模型结构
5.2.2 柞木干燥过程FW-PSO-LSSVM基准模型仿真实验
5.2.3 水曲柳干燥过程FW-PSO-LSSVM基准模型仿真实验
5.2.4 木材干燥过程FW-PSO-LSSVM基准模型仿真实验结果分析
5.3 基于FW-PSO-LSSVM的木材干燥过程控制模型
5.3.1 基于FW-PSO-LSSVM的木材干燥过程控制模型结构
5.3.2 柞木干燥过程FW-PSO-LSSVM控制模型仿真实验
5.3.3 水曲柳干燥过程FW-PSO-LSSVM控制模型仿真实验
5.3.4 木材干燥过程FW-PSO-LSSVM控制模型仿真实验结果分析
5.4 本章小结
6 木材干燥系统模糊神经网络控制器设计及仿真研究
6.1 模糊神经网络控制系统
6.1.1 模糊控制
6.1.2 人工神经网络控制
6.1.3 模糊神经网络控制
6.2 木材干燥系统模糊控制研究
6.2.1 模糊控制器基本原理
6.2.2 木材干燥模糊控制器仿真实验与结果分析
6.3 木材干燥系统模糊神经网络控制研究
6.3.1 标准模糊神经网络控制器基本原理
6.3.2 GA优化的模糊神经网络控制器基本原理
6.3.3 木材干燥GA优化的模糊神经网络控制器仿真实验与结果分析
6.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
声明