声明
摘要
1 绪论
1.1 研究背景与意义
1.2 软测量技术概述
1.3 软测量建模方法研究现状
1.4 本文研究的主要内容
2 动态模糊神经网络方法
2.1 引言
2.2 人工神经网络
2.2.1 人工神经网络简介
2.2.2 人工神经网络模型
2.3 径向基神经网络
2.3.1 径向基神经网络简介
2.3.2 径向基神经网络的结构
2.3.3 径向基神经网络的基本算法
2.4 模糊系统
2.5 模糊神经网络
2.5.1 模糊系统与神经网络的结合
2.5.2 模糊神经网络的结构
2.5.3 模糊神经网络的特点
2.6 动态模糊神经网络
2.6.1 动态模糊神经网络的结构
2.6.2 动态模糊神经网络的学习算法
2.6.3 动态模糊神经网络的特点
2.7 本章小结
3 广义动态模糊神经网络方法
3.1 引言
3.2 广义动态模糊神经网络的结构
3.3 广义动态模糊神经网络的特点
3.4 广义动态模糊神经网络的基本算法
3.5 本章小结
4 微生物发酵过程软测量建模
4.1 引言
4.2 海洋蛋白酶工艺简介
4.3 数据预处理
4.3.1 过失误差数据剔除
4.3.2 数据归一化
4.4 辅助变量的选择
4.5 基于径向基神经网络软测量建模
4.5.1 基于RBF神经网络软测量模型的训练
4.5.2 基于RBF神经网络软测量模型的验证
4.6 基于动态模糊神经网络软测量建模
4.6.1 基于D-FNN软测量模型的训练
4.6.2 基于D-FNN软测量模型的验证
4.7 基于广义动态模糊神经网络软测量建模
4.7.1 基于GD-FNN软测量模型的训练
4.7.2 基于GD-FNN软测量模型的验证
4.8 本章小结
5 基于WinCC的微生物发酵过程智能监视系统实现
5.1 引言
5.2 DDE技术
5.3 MATLAB与WinCC通讯的实现
5.3.1 WinCC简介
5.3.2 WinCC中的DDE设置
5.3.3 MATLAB仿真及DDE连接
5.4 发酵过程软测量参数在线监视
5.5 本章小结
6 总结与展望
6.1 工作总结
6.2 展望
参考文献
致谢
攻读硕士期间主要参加的科研项目及研究成果
江苏大学;