基于即时学习的工业生产过程质量预测建模方法研究

目录

声明

致谢

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1过程质量预测建模技术的发展

1.2.2 过程质量预测的在线建模方法

1.2.3 基于即时学习的过程质量预测建模

1.2.4 基于即时学习的过程质量预测建模研究评述

1.3 主要研究内容及论文结构安排

1.3.1 主要研究内容

1.3.2 创新点

1.3.3 论文结构安排

第二章 理论基础

2.1 即时学习建模理论

2.2 即时学习建模算法及优化算法基础

2.2.1 局部加权线性回归算法

2.2.2 局部加权偏最小二乘回归算法

2.2.3 粒子群优化算法

2.3 变量相关性分析基础

2.3.1 线性相关性分析

2.3.2 多重共线性分析

2.3.3 互信息

2.4 过程质量预测模型的性能评价

2.5 本章小结

第三章 基于即时学习的小样本多工况过程质量预测建模

3.1 引言

3.2 小样本多工况过程即时学习建模中的带宽参数优化方案设计

3.2.1 即时学习建模中带宽参数的优化方法

3.2.2 关于采用PSO优化即时学习带宽参数的讨论

3.3 基于PSO和K-NN优化即时学习的过程质量预测建模

3.4 仿真实验及结果分析

3.4.1 数值仿真实验

3.4.2 铸铁生产过程化学成分预测

3.4.3 灰铸铁抗拉强度预测

3.4.4 计算效率比较分析

3.5 本章小结

第四章 基于即时学习的大规模连续过程质量预测建模

4.1 引言

4.2 过程质量预测即时学习建模中的相似度计算方法

4.3 基于改进即时学习的大规模连续过程质量预测建模

4.3.1 基于PLS潜变量的相似性度量

4.3.2 基于MI-PLS改进相似度的双加权即时学习建模方法

4.4 仿真实验及结果分析

4.4.1 数值仿真实验

4.4.2 脱丁烷塔过程仿真实验

4.5 本章小结

第五章 工况迁移下基于密度的即时学习建模数据更新管理

5.1 引言

5.2 即时学习框架下质量建模数据更新管理相关因素讨论

5.3 质量建模数据密度的定义及密度阈值参数的确定

5.3.1 质量建模数据密度的定义

5.3.2 数据密度阈值参数的确定

5.4 即时学习框架下基于密度的质量建模数据自适应更新管理

5.4.1 质量建模数据新旧样本的选择性更新与淘汰机制

5.4.2 即时学习框架下基于密度的质量建模数据更新管理流程

5.5 仿真实验及结果分析

5.5.1 数值仿真实验

5.5.2 在硫回收单元上的仿真实验

5.6 本章小结

第六章 总结与展望

6.1 全文总结

6.2 研究展望

参考文献

攻读博士学位期间的学术活动及成果情况