声明
摘要
第1章绪论
1.1研究背景及意义
1.1.1研究背景
1.1.2研究意义
1.2高浓磨浆过程研究现状
1.2.1化学机械制浆生产过程概述
1.2.2磨浆机理研究现状
1.2.3高浓磨浆系统概况
1.3高浓磨浆系统游离度软测量的必要性和现状
1.3.1高浓磨浆系统游离度检测的重要性和现状
1.3.2高浓磨浆系统游离度在线软测量研究的必要性
1.3.3软测量技术及其概况
1.4支持向量机发展与现状
1.5本文主要工作及内容安排
第2章化学机械制浆生产过程描述及高浓磨浆系统动态特征分析
2.1引言
2.2化学机械制浆生产过程介绍
2.2.1木片预处理
2.2.2高浓磨浆
2.2.3粗浆漂白与洗涤
2.2.4低浓磨浆
2.2.5渣浆磨浆
2.2.6纤维回收
2.2.7浆料浓缩脱水
2.3磨浆机理研究概述
2.3.1帚化理论
2.3.2比边缘负荷理论
2.3.3比表面负荷理论
2.3.4游离度静态模型
2.4高浓磨浆系统动态特征分析
2.4.1高浓磨浆系统主要过程参数及品质指标介绍
2.4.2高浓磨浆系统动态特细及复杂性分析
2.5本章小结
第3章基于改进ε-SVR的高浓磨浆系统游离度软测量建模
3.1引言
3.2支持向量机的基本原理
3.2.1理论背景
3.2.2支持向量机
3.3数据处理与主元分析特征提取
3.3.1数据处理
3.3.2主元分析特征提取
3.4参数优化
3.4.1交叉验证
3.4.2粒子群算法的理论和特点
3.5数据驱动软测量建模策略与模型评价标准
3.5.1数据驱动软测量建模策略
3.5.2软测量模型评价标准
3.6基于改进ε-SVR的软测量建模方法
3.6.2基于自适应变异粒子群算法优化MK-ε-SVR的建模方法
3.6.3 UCI测试数据验证实验
3.7工业试验研究
3.7.1基于CV-MK-ε-SVR的高浓磨浆系统游离度软测量建模
3.7.2基于AMPSO-MK-ε-SVR的高浓磨浆系统游离度软测量建模
3.8本章小结
第4章基于改进LS-SVR的高浓磨浆系统游离度软测量建模
4.1引言
4.2.1 LS-SVR基本原理
4.2.2自回归移动平均模型
4.2.3多核最小二乘支持向量机(LS-SVR-ARMA2K)
4.3基于LS-SVR-ARMA2K的软测量建模方法
4.3.1基于交叉验证优化LS-SVR-ARMA2K的建模方法
4.3.2基于自适应变异粒子群算法优化LS-SVR-ARMA2K的建模方法
4.3.3 UCI测试数据验证实验
4.4工业试验研究
4.4.1 LS-SVR-ARMA2K不同优化方法效果对比
4.4.2 MK-ε-SVR、BP神经网络与LS-SVR-ARMA2K建模及预测效果对比研究
4.5本章小结
第5章总结与展望
5.1总结
5.2展望
参考文献
致谢
攻读硕士学位期间科研工作及获奖情况