文摘
英文文摘
原创性声明和关于学位论文使用授权说明
第一章绪论
1.1软测量及其研究现状
1.1.1软测量的意义
1.1.2软测量研究的主要内容
1.1.3软测量的研究现状
1.2苛性比值与溶出率检测现状及其软测量
1.2.1苛性比值与溶出率的重要意义
1.2.2苛性比值与溶出率的检测现状
1.2.3苛性比值与溶出率的软测量及其技术难点
1.3论文研究内容及结构
第二章智能集成软测量模型
2.1智能集成软测量模型的提出
2.2智能集成软测量模型基本框架
2.2.1基本概念
2.2.2智能集成软测量模型研究重点
2.2.3基于智能集成模型的软测量系统及其设计
2.3小结
第三章高压溶出工艺及基于专家知识的机理模型
3.1氧化铝高压溶出工艺概述
3.2氧化铝高压溶出机理分析
3.2.1苛性比值与溶出率
3.2.2氧化铝高压溶出过程中的化学反应
3.2.3影响苛性比值与溶出率的因素分析
3.3基于物料平衡及专家知识的苛性比值与溶出率机理模型
3.3.1基于物料平衡的苛性比值与溶出率机理模型
3.3.2基于专家知识的理模型修正
3.3.3基于机理模型的实际预测结果
3.4小结
第四章数据的降维、聚类及校正
4.1基于主元分析的输入数据集降维处理
4.1.1主元分析及其基本算法
4.1.2基于级联递推最小二乘(CRLS)的主元分析算法
4.2输入数据集的聚类分析
4.2.1竞争学习及其存在的问题
4.2.2 RPCL聚类算法
4.2.3基于样本空间分布的RPCL聚类算法(SDS-RPCL)
4.2.4仿真研究与实际应用
4.3数据校正
4.3.1数据协调
4.3.2显著误差检测
4.4小结
第五章苛性比值与溶出率智能集成建模
5.1苛性比值与溶出率智能集成模型整体框架
5.2专家知识机理模型与神经网络的集成模型MI
5.2.1模型MI的提出及基本结构
5.2.2基于主元分析法的复合神经网络
5.2.3基于SDS-RPCL聚类算法的分布式神经网络
5.3灰色模型MII
5.3.1灰色系统理论及其研究现状
5.3.2灰色建模基本原理
5.3.3基于改进灰色模型的溶出率预测
5.4智能协调与误差修正单元
5.4.1模型的智能协调
5.4.2预测结果的误差修正
5.4.3智能集成模型的预测结果
5.5小结
第六章苛性比值与溶出率智能集成模型的在线校正
6.1智能集成模型校正概述
6.2基于证据理论的新样本选择
6.3模型何时需要校正
6.4分布式复合神经网络的校正
6.4.1样本子空间的校正
6.4.2神经网络参数的校正
6.5小结
第七章软测量及原矿浆配料优化系统的开发
7.1基于软测量及专家知识的原矿浆配料优化
7.1.1原矿浆配料的工艺机理
7.1.2基于软测量的原矿浆专家配料优化指导
7.2软测量及原矿浆配料优化系统结构与应用软件
7.2.1系统总体结构
7.2.2系统应用软件开发
7.3系统的工业应用
7.4小结
第八章结论与展望
参考文献
附录一攻博期间发表的论文
附录二攻博期间从事的科研情况
附录三科研成果与获奖情况
致谢