摘要
1 绪论
1.1 课题来源及背景
1.2 中密度纤维板行业发展分析
1.2.1 国内中密度纤维板业的发展
1.2.2 中国纤维板现阶段产品质量
1.2.3 影响我国纤维板业发展的因素
1.3 中密度纤维板施胶控制
1.3.1 MDF的施胶工艺
1.3.2 MDF的施胶控制过程
1.3.3 施胶量对板材性能的影响与施胶量分析
1.4 施胶控制系统国内外研究现状与发展趋势
1.4.1 国内外研究现状
1.4.2 人造板施胶控制的发展趋势
1.5 本文的主要研究内容
2 支持向量机理论及算法
2.1 引言
2.2 机器学习理论
2.2.1 机器学习问题的表述
2.2.2 机器学习的发展历史
2.2.3 统计学习理论
2.3 支持向量机理论
2.3.1 最优超平面
2.3.2 广义最优分类面
2.3.3 高维空间中最优分类面的推广
2.3.4 核函数
2.4 支持向量机分类
2.4.1 单值分类支持向量机
2.4.2 两类分类的支持向量机
2.4.3 多值分类的支持向量机
2.5 支持向量机回归
2.5.1 线性回归
2.5.2 非线性回归
2.6 小结
3 基于支持向量机的施胶比例辨识方法的研究
3.1 引言
3.2 特征选择方法
3.2.1 按搜索策略划分特征选择算法
3.2.2 按特征集合评价策略划分特征选择算法
3.3 基于自适应GA-SVR算法的施胶比例辨识模型
3.3.1 支持向量机回归与参数性能影响
3.3.2 遗传算法
3.3.3 施胶比例自适应GA-SVR算法设计
3.4 试验及结果分析
3.5 小结
4 基于SVC多模型的施胶流量辨识方法的研究
4.1 引言
4.2 多模型下施胶流量辨识模型框架
4.3 聚类分析方法
4.3.1 聚类及相异度定义
4.3.2 聚类分析的主要方法
4.4 支持向量聚类算法
4.4.1 SVC聚类描述
4.4.2 SVC聚类标识算法
4.4.3 动态核参数邻近图聚类法
4.5 聚类状态下的施胶流量辨识与切换策略
4.5.1 聚类状态下施胶流量辨识
4.5.2 切换策略
4.6 试验与分析
4.7 小结
5 模糊自适应施胶控制方法与控制系统设计
5.1 引言
5.2 施胶系统典型执行单元控制特性分析
5.2.1 齿轮泵特性曲线
5.2.2 负载特性分析
5.2.3 变频调速泵施胶系统分析
5.3 施胶模糊自适应控制器的设计与实现
5.3.1 模糊控制器的设计步骤
5.3.2 模糊自适应控制器的数学模型及结构
5.3.3 施胶过程模糊参数整定器的设计
5.3.4 试验结果与分析
5.4 施胶模糊自适应控制试验系统设计
5.4.1 硬件设计
5.4.2 通信与数据服务
5.4.3 试验数据分析
5.5 小结
结论
参考文献
攻读学位期间参加的科研项目与发表的学术论文
致谢
声明