一、STEP建模技术在Mfg_PP系统产品建模中的应用（论文文献综述）
薛亚茹[1]（2021）在《感应电机模型预测电流控制研究》文中进行了进一步梳理感应电机是目前市场上占有率很高的一种交流电机,其高性能控制是未来发展的一个重要方向。传统的磁场定向控制及直接转矩控制存在稳态控制性能与动态响应速度无法兼得的技术缺陷,而模型预测控制技术易于实现、动态响应快,兼具可处理非线性多变量约束,具有实时滚动寻优等特点,已逐渐成为实现感应电机高效控制的新一代解决方案。本文以两电平电压型逆变器-感应电机控制系统为研究对象,从矢量选择、控制策略和预测范围等角度切入,围绕基本的单边界圆-单矢量策略模型预测电流控制,从电机稳态性能提升、电机动态性能提升和算法负担降低这三方面展开深入研究。建立基本的单边界圆-单矢量策略模型预测电流控制框架并完成其性能验证。首先,基于间接转子磁场定向控制框架,采用模型预测电流控制器代替传统的电流内环PI控制器及调制模块,从而简化其控制结构。其次,基于旋转坐标系下感应电机数学模型,推导构建其预测模型;基于电流误差模型,推导分析其代价函数。最后,阐述单边界圆-单矢量策略在定子电流控制及最优矢量寻优环节中的应用与实现,并完成其动态和稳态性能验证。针对单边界圆-单矢量策略模型预测电流控制稳态性能差的问题,提出了一种“引入0/7矢量”的双矢量策略模型预测电流控制方法。首先,分析了单边界圆-单矢量策略模型预测电流控制在低采样率应用中的技术局限。其次,阐述了双矢量策略模型预测电流控制中矢量组合“任意矢量+0/7矢量”在矢量筛选环节的具体实现,分析了该方法在感应电机低速运行和低采样频率下运行的稳态性能优势,并验证了其稳态性能优势。针对单边界圆-单矢量策略模型预测电流控制在动态运行中性能指标波动大的问题,提出一种两相静止坐标系下双边界圆策略模型预测电流控制方法。首先,两相静止坐标系下的控制可以实现对交流电流分量的直接控制,弱化磁场定向角度对控制性能的影响。利用该坐标系下的感应电机数学模型,推导构建感应电机的预测模型。其次,考虑将电流跟踪性能和开关频率同时作为控制目标,构建单边界圆策略代价函数及提升系统动态性能的双边界圆策略代价函数。另外,分析了控制策略中边界圆半径及代价函数中开关权重因子在不同转速下对电流谐波、转矩脉动及开关频率的性能影响。最后,分析验证了双边界圆策略模型预测电流控制的动态性能优势。为进一步提升感应电机的稳态性能,从预测范围的角度出发,对多步模型预测电流控制的算法实现及运算负担降低两方面展开研究。首先,基于两相静止坐标系下感应电机状态方程,推导构建感应电机多步预测模型;以预测范围内每一步的电流误差和开关频率之和为控制目标,构建并分析该二次函数形式的代价函数。其次,基于球形解译优化算法,对代价函数进行分析推导,将代价函数的多维优化问题转换为多个一维问题进行处理以降低算法的运算负担。另外,为实现开关权重因子在线可调,在代价函数中引入新的权重因子并分离出矩阵内的开关权重因子,从而便于在线调试;为进一步降低多步模型预测电流控制的运算负担,对含有电机转速的相关矩阵进行分析改进以实现电机转速部分的离线计算。最后,分析验证多步模型预测电流控制策略的性能优势,并完成改进策略的性能验证。基于在Matlab/Simulink中搭建的感应电机控制系统,完成文中的控制策略在不同动态和稳态工况下的性能优势的大量仿真分析;基于“DSP+FPGA”硬件实验平台与DSPACE半实物仿真平台,完成各算法策略的实验验证。最后,总结分析三种模型预测电流控制策略的特点及适合的应用场合,为模型预测电流控制在感应电机中的应用提供参考。图97幅,表13个,参考文献138篇。
丁国绅[2]（2021）在《基于高光谱图像的多视图三维重构研究》文中认为构建地物目标三维模型是地物目标特性表征及遥感成像仿真研究的基础,在这些研究中不仅要求构建高精度的三维几何模型,还要求所构建的三维模型具有高精度的光学特性。现有的方法是:分别利用三维几何建模设备与光谱测量设备获取目标的三维几何模型与目标材质的光谱特性,然后通过目标材质分类将测量的材质光谱与三维几何模型关联,实现目标三维几何与光谱特性的高精度建模。本文立足高光谱成像技术与三维成像技术的交叉领域,提出了一种基于成像光谱测量的目标三维模型重构方法,实现了目标三维模型的几何、光谱精细建模。论文主要研究工作可分为以下几点:提出了基于最优波段组合的单目视觉多角度重构的方式作为基准技术路线。为了减少数据冗余提高算法效率,摒弃了逐波段重建的方式而是利用FMFOA算法从所有波段中选出最优波段组合作为图像尺度空间的输入,并在后续研究中将影响模型精度的三维点云配准操作降为二维空间中的图像匹配操作。提出二分波动果蝇优化算法选择高光谱图像最优波段组合。虽然高光谱图像谱段众多包含丰富的光谱信息,能够表征地物目标的理化性质,但在三维建模阶段波段数多反而会造成数据冗余影响建模效率,因此采用最优波段组合重构图像尺度空间。传统FOA算法在解决复杂优化问题时会出现早熟现象,故对传统FOA算法的收敛方式进行了改进,提出了二分波动模型的改进果蝇优化算法并在基准函数数据集和基准高光谱图像数据集上进行了性能验证,并完成了自建高光谱图像数据的波段选择工作。提出了基于光谱空间的F-SIFT特征提取算法。传统SIFT算法的图像尺度空间是由初始图像经过不断地高斯模糊和降采样操作得到的,虽然获得了图像空间但多数数据都不是完全真实的因此算法提取到的特征点数量较少。本文利用高光谱各波段图像在尺度、位置、目标对象等参量都一致的特性重新建造图像金字塔,将最优波段组合的图像作为金字塔的底层输入通过不断降采样搭建图像金字塔,由于在金字塔的构造过程中摒弃了高斯模糊的操作,所得的每一层图像都表征了该尺度下图像的真实信息,因而使得图像特征点的数量大幅增加。经过实验发现虽然重构图像金字塔增加了特征点数量,但增加的规模较大降低了算法的执行效率,因此提出了 FAST八邻域准则对金字塔中每层图像的每个象元都进行了判定,如果该象元成为特征点的概率低于阈值则将该象元剔除候选特征点集合。提出了双重位置约束准则。在完成图像的特征点提取之后,常用的特征点匹配方法是最近邻与次近邻之比,但通过实验发现这种方法的匹配结果受比值的影响非常大,且在比值较大时误匹率随之增加。为此将整个匹配过程分为两步:第一步采用最近邻与次近邻之比进行特征点的粗匹配,为了使最终结果能够尽可能多地包含正确匹配对将比值阈值设置为1.0以上,并在匹配过程中记录每对匹配对的相似性程度;第二步是通过双重位置约束完成误匹配的剔除,对上一步中得到的匹配结果按照相似性程度进行排序,由于匹配过程中会因阈值的设定而存在误差,因此从相似性程度最高的20组匹配对中随机选择4组匹配对作为基准匹配对,根据待选匹配对的特征点与基准匹配对的相对位置关系对该匹配对进行判定,如果实际计算位置与理论位置之差在阈值范围内则认为该匹配对是正确匹配对,否则将该匹配对从候选匹配对中剔除。在获取三维模型进行光谱映射的阶段,根据所选择的特征点是属于原始特征点集合还是衍生特征点集合选用不同的映射方式,设计了两类光谱映射模型:对于原始特征点,首先通过回溯的方式找到该特征点对应的出射图像上的坐标,然后按照迭代位置优化准则的方式计算出该特征点在下一帧图像上的位置;衍生特征点的光谱映射过程分为三步,点云属性分类、最优平面估计和降维坐标计算,在空间投影几何与进化算法优化理论的辅助下完成了光谱映射模型的构建。
郭斌[3]（2021）在《基于几何布朗运动的加速退化建模及试验优化研究》文中研究表明预测与健康管理作为可靠性工程领域中的关键技术,已被广泛应用于航空航天、武器装备等领域。加速退化建模、加速退化试验优化作为预测与健康管理的重要研究内容,为高可靠、长寿命产品的预测研究提供了理论指导,具有重要的学术研究意义。但是,随着研究的深入,在性能指标呈非线性随机退化的部分高可靠产品的预测研究中,模型拟合精度以及寿命预测精度不足的问题日益凸显。针对上述问题,以几何布朗运动为出发点,分别对加速退化建模、加速退化试验优化等方面展开研究,为解决目前可靠性工程领域存在的问题提供了新思路,做出了有益的尝试。针对部分产品在加速退化过程中存在的非线性退化以及随机波动的问题,基于几何布朗运动建立加速退化模型,结合无约束优化提出两步极大似然估计法,通过蒙特卡洛仿真以及碳膜电阻器算例与Wiener过程进行对比,验证了几何布朗运动加速退化模型的有效性。针对几何布朗运动难以描述同类产品存在的个体差异以及测量误差的问题,提出了一种同时考虑个体差异以及测量误差的不确定几何布朗运动加速退化模型,结合遗传算法提出了两步极大似然估计法,通过蒙特卡洛仿真以及碳膜电阻器算例与几何布朗运动加速退化模型进行对比,验证了所提方法的有效性。针对加速退化试验中基于不同优化准则得到的试验配置存在冲突的问题,提出了一种基于不确定几何布朗运动加速退化模型的多目标优化方法。以Fisher信息矩阵行列式最大（D-优化准则）和p分位寿命的渐进方差最小（V-优化准则）为目标函数,在成本和试验条件的约束下,对加速退化试验进行多目标优化,得到考虑寿命估计精度（V-优化准则）和模型拟合精度（D-优化准则）的多目标优化试验配置方案集以及Pareto前沿,并将多目标优化与单目标优化进行了对比,表明了基于不确定几何布朗运动加速退化模型的多目标优化方法的优越性。最后,通过仿真试验结合D-优化、V-优化的目标函数验证优化后的试验配置的有效性。
张冰妍[4]（2021）在《基于四元数自适应滤波器的噪声主动控制技术研究》文中进行了进一步梳理连续和过度的噪声暴露会对人体产生严重的生理和心理影响。常用的被动噪声控制技术对高频噪声可以起到很好的削弱作用但对低频降噪的控制存在明显的不足。与无源噪声消除相比,主动噪声控制（ANC）系统是一种对控制低频噪声有效的技术。其中,用来处理一维信号的滤波-x最小均方（FxLMS）算法因为其自身原理的易行性在主动噪声控制领域被普遍使用。在此算法结构的基础上,人们提出了不同类型的控制器结构和算法。本文将一维信号处理拓展到多维的空间里,提出了基于四元数的前馈主动控制降噪系统,设计了滤波-x四元数最小均方（FxQLMS）算法的主动噪声控制技术,并且在固定步长FxQLMS算法的基础上,结合调整变步长进一步地提出可变步长的滤波-x四元数最小均方（VSSFxQLMS）算法来优化算法的性能。并通过计算机的模拟仿真结果对比验证了算法改进的有效性。论文的主要研究内容如下:（1）围绕ANC技术的原理、系统结构、基本算法展开了研究和推导,对目前ANC系统存在的问题和未来的发展前景进行了分析。重点研究了FxLMS算法的原理以及算法的实现过程,并对次级声路径的辨识方法分类讨论,最后搭建了附加白噪声法的离线辨识算法以及基于FxLMS算法的主动控制系统的Simulink模型分别完成了次级通道的辨识以及ANC系统的噪声控制。（2）提出了基于四元数的滤波-x最小均方（FxQLMS）算法的噪声控制技术。此控制方案由FxLMS算法改进而来,在前馈系统的基础上结合四元数自适应滤波器建立了基于FxQLMS算法的噪声控制系统。针对提出的算法结构原理及权重更新公式分别展开了研究和推导,为验证该算法的有效性,建立了基于FxQLMS算法的控制系统模型,最后由仿真结果分析对比分析表明,在保持近似相同的稳态误差时FxQLMS算法比FxLMS算法具有更优异的收敛性能。（3）为获取更好的噪声控制效果,进一步提出了结合可变步长调整的基于四元数自适应滤波器的滤波-x最小均方（VSSFxQLMS）算法的主动控制技术。该算法通过建立步长与误差信号之间的函数关系来平衡算法的稳态误差和收敛性能,目的是将FxQLMS算法的收敛步长从固定值优化为变步长调整从而达到更好的自适应调节过程。算法中的变步长由经典的变步长方案改进而来,文中分别对两种方法的函数关系进行了研究,最后建模仿真验证了改进变步长方法的有效性,并通过仿真结果对比得出,VSSFxQLMS算法在相同的ANR下比FxQLMS算法具有更好的收敛性能。
李泓旻[5]（2021）在《波束成形系统线性化与基于神经网络的宽带数字预失真研究》文中研究说明非线性是射频（Radio Frequency,RF）功率放大器（Power Amplifier,PA）的固有特性,其引起的失真是无线通信系统中影响最大的射频损伤。功放的非线性会导致信号的误码率提高和干扰邻近信道。数字预失真（Digital Predistortion）是修正功放非线性的主流手段,其以优秀的线性化性能、编程灵活、实现简单和低成本等优点成为了无线通信系统中的重要组成部分。随着日常生活和工业生产对无线通信高速率、大容量和低时延需求的日益提高,现代无线通信系统逐渐朝着高频段、大带宽的趋势发展,为了提高数据传输速率和系统容量,MIMO技术和波束成形技术也被引入到无线通信系统之中。由于大带宽信号带来的高峰均比,加剧了无线通信系统中功率放大器的非线性失真。另外,随着高频段例如毫米波频段的应用,现代基站呈现小型化甚至微型化的趋势,每一个基站的体积和功耗大大减少。因此,本文针对上述问题,就MIMO波束成形架构下的DPD、宽带功放的神经网络建模和低复杂度的DPD自适应算法这三个内容来进行研究。本文围绕MIMO波束成形架构的数字预失真技术,首先分析了单用户波束成形DPD的系统模型,引入基于用户或波束的DPD架构,该架构的反馈回路上设置逆波束成形模块用于近似远场的波束信号。然后基于单用户波束成形系统模型,进一步推导了多用户波束成形系统的非线性模型。随后针对全功放反馈架构的高硬件复杂度的问题,提出一种基于单路功放反馈的多用户波束成形DPD方法,通过单路功放反馈进行前向建模,利用阵列中功放非线性特性近似的特点使用该功放模型近似整个阵列的功放模型,从而估计所有功放的输出进而估计远场的波束信号,并用于DPD参数的提取。该架构可以以较低的复杂度实现对多用户波束成形系统的线性化。进一步地,针对功放特性不一致的问题,结合预训练提出一种低复杂度的功放差异补偿方法,可以使基于单路功放反馈的多用户波束成形DPD方法可以应用在非理想的功放特性不一致的实际系统中。在基于功放差异补偿的DPD方法的基础上,根据功放的非线性特性,提出一种通过简单的功率补偿系数对功放差异系数进行修正的手段,来处理功率变化的情况,在避免过多的预训练的前提下,可以实现有效的DPD线性化。关于宽带功放的神经网络建模,本文主要研究了新型的基于矢量分解机制的循环神经网络。功放的非线性往往取决于信号的包络,其非线性项主要由基带信号的幅度决定,幅度非线性函数的输出通过相位进行加权得到功放的输出,这种机制即矢量分解机制。然而,传统的神经网络模型的非线性操作大部分均直接作用于I/Q输入,并不符合功放的非线性机制。且传统的基于多层感知机的DPD神经网络模型对记忆效应建模能力不足,无法应用于宽带功放建模中。因此本文利用循环神经网络优秀的记忆效应建模能力,并引入矢量分解机制,设计新型的基于矢量分解机制的LSTM模型——VDLSTM模型,该模型与传统模型相比,有着更好的宽带功放建模能力。进一步地,针对LSTM网络隐藏状态对应的传递矩阵系数过多的问题,基于功放的物理机制设计了维度更低的隐藏状态,并基于新的隐藏状态设计了新的网络单元,得到简化的VDLSTM模型——SVDLSTM模型。该模型可以有效降低VDLSTM网络模型系数的个数,并保持与VDLSTM模型相当的性能。低复杂度的数字预失真提参架构也是数字预失真的热点研究内容。数字预失真自适应过程中往往需要进行大量的乘法运算和加法运算。相比于加法运算,乘法运算往往计算周期较长、功耗较大,本文针对这一问题,设计了一种低复杂度的数字预失真自适应算法。该算法参考符号回归器最小均方算法,对基于直接学习结构的二阶高斯牛顿算法中的回归矩阵进行单比特量化或符号化,从而减少计算过程中大部分的乘法运算。针对数字预失真常用模型生成的回归矩阵经过单比特量化会存在相同的基函数这一问题,引入了基于主成分分析的正交变换,对正交变换后的回归矩阵进行单比特量化或符号化。该方法可以避免求解不稳定的问题。进一步地,将符号化的正交回归矩阵与正交回归矩阵的相关矩阵近似为一个对角阵,使基于符号正交回归器的自适应算法可以对每一个DPD参数进行独立提取。紧接着,本文将基函数降维和符号回归器算法相结合,从基函数个数和自适应过程的运算类型两个方面同时降低数字预失真自适应的计算复杂度。特别地,引入了 DOMP算法和符号正交回归器算法相结合。
王晓明[6]（2021）在《数据驱动成品汽油调和配方优化及其智能系统开发》文中研究说明成品汽油调和作为各种汽油产品不可或缺的生产过程,在石油炼化生产中起着举足轻重的作用,而油品质量则对企业的经济效益具有重要影响。在成品汽油的生产过程中,建立行之有效的配方模型,以严格控制组分油的添加,是确保成品油质量和企业效益提升的基础。因此,本文受成品汽油调和过程中提升一次调和成功率和卡边生产需求的驱动,围绕调和配方的建模问题开展了较为系统的研究,主要工作如下:1)为解决油品生产中质量过剩和一次调和成功率欠高的问题,通过对工艺机理和生产数据的深入分析,提出了保守与卡边优化混合的建模方案。该方案分别利用历史生产过程数据建立卡边和保守配方模型,再根据加权融合策略建立混合配方模型。保守配方模型的建立旨在确保油品的正常生产,而卡边配方模型的建立旨在趋使油品的卡边生产,鉴于模型可能因生产过程的不确定性致使质量不达标,对二者进行优化融合,以期在提高一次调和成功率的同时,尽可能逼近油品的卡边生产。2)为解决配方建模中数据的完备性问题,首先针对BP算法在辛烷值和抗爆值预测过程中存在的精度低、易陷入局部最小值问题,结合PSO和GA的优点,提出了一种串行混合粒子群遗传算法,并用于BP神经网络权值和阈值的优化,提高了辛烷值和抗爆值预测模型的精度。其次,为了对缺失配方数据进行填充,提出了基于集成决策树的配方数据填充方法,先将原始数据集划分为多个样本集,再利用决策树算法建立多个子模型,最后基于bagging策略对多个子模型进行集成,提升了模型精度。3)为提高保守配方模型精度,考虑深度置信网络（DBN）在特征提取和非线性处理方面的优势,首先提出了一种基于PSO-DBN的保守配方建模方法,将其应用于成品汽油调和配方的预测建模,并针对深度网络训练过程中存在的参数选取困难问题,利用粒子群算法（PSO）对相关参数进行优选。其次,考虑到极限学习机良好的拟合能力以及快速性,在上述模型基础上,将其对DBN网络进行改进,构建了DBN-ELM预测模型,实现了对成品汽油调和保守配方的预测建模,仿真结果表明,算法在训练时间以及精度上都有较大提升。4)针对卡边数据的小样本特性,利用LSSVM进行卡边配方的建立,并针对RBF核函数的?和?选取问题,采用PSO算法对其进行参数优选,使模型性能有了较大提升。在此基础上,采用加权融合策略对卡边和保守配方模型的结果进行集成与在线优化,结果表明,混合配方模型对于高效能生产具有更优的性能。5)为使配方模型应用于工程,结合实际工程需求,依据前述混合建模方案,借助于My SQL、Matlab及Labview等技术及软件平台,进行了系统数据库的设计,基于matlab实现了各建模方法,并最终开发了具有系统登陆、辛烷值、抗爆指数预测、保守配方预测、卡边配方预测、混合配方模型、在线优化、数据查看、数据录入以及报警与事件记录等功能模块的配方智能管理系统。
王艾[7]（2021）在《面向决策支持的变尺度聚类分析技术》文中进行了进一步梳理本论文针对运用跨行业数据挖掘标准流程（CRISP-DM）建设决策分析系统所面临的数据结构确定问题、分析层次转换问题和分析结果检验问题,研究基础业务数据尺度的确定、决策分析过程中的变尺度数据分析机制和基于变尺度数据分析的数据挖掘应用技术。基于数据挖掘的决策分析系统建设与运行面临的问题包括:（1）决策分析的数据结构确定问题。运用CRISP-DM建设决策分析系统的首要任务是明确业务分析需求的数据分析主题,并建立能够支撑分析主题的数据结构,这对数据挖掘算法的效率和结果质量具有重要影响。（2）决策分析层次转换问题。由于管理业务本身具有多层次特征,确定业务数据的合理分析层次,是降低决策复杂度和提升决策结果质量的关键,并且管理人员为达到合理决策的目标,决策分析需要在不同的分析层次间进行转换,才能够完成数据的综合分析,这本质上是业务数据分析层次的转换。（3）决策分析结果检验问题。分析结果的检验是保证决策分析结果在不同层次上具有一致性的依据,是检验决策分析过程结束的衡量标准。基于上述实际问题,本论文所研究的科学问题包括:（1）基础业务数据尺度的确定。研究决策分析所需要的多层次数据表征方法,针对分类变量数据、二值变量数据、数值变量数据三种原始业务数据类型的特点,确定基础业务数据的尺度结构,为变尺度数据分析建立完备的数据结构基础。（2）决策分析过程中的变尺度数据分析机制。模拟管理人员进行决策分析层次转换时的思维过程,以提升决策结果质量为目标,研究基于数据挖掘结果的数据尺度变换机制,并且考虑不同原始业务数据类型对数据尺度变换模式的影响,实现业务数据合理分析层次的自动化识别和转换,建立基于数据尺度变换的自动化决策分析机制。（3）基于变尺度数据分析的数据挖掘应用技术。以北京毅道体育发展有限公司、新浪微博社交网络平台和中国运载火箭技术研究院物流中心实际管理业务为背景,研究尺度变换机制的应用技术。本研究的创新性成果主要包括:（1）建立了面向决策问题空间表征的多尺度业务数据模型,该模型能合理描述决策问题所有候选分析层次的基础业务数据尺度组成及结构关系,为实现决策分析层次转换提供完备的数据结构。现有研究中数据结构模型将业务数据采集时的初始数据尺度直接作为用于数据挖掘的基础数据尺度,导致该单一尺度数据模型无法支持决策分析的多层次和层次转换需求。（2）提出了面向理性决策思维过程的数据尺度变换策略和尺度变换机制,该机制能基于决策分析结果确定合理的数据分析层次和数据尺度变换路径。现有研究中数据挖掘执行过程在出现数据挖掘算法结果与决策分析层次不匹配问题时,只能依靠分析人员来主观完成业务数据分析层次的转换工作。本研究成果对CRISP-DM的“数据准备-分析模型建立-分析结果评价”过程建立核心数据挖掘环节的自动化数据尺度变换机制,能够针对数据挖掘评价结果来迭代修正数据准备和建模中的业务数据分析层次,并且通过量化多尺度业务数据模型中不同属性的尺度变换价值来优化数据尺度变换策略。（3）提出了面向决策分析结果检验的变尺度聚类分析方法,其中尺度变换定理和满意类一致定理保证了决策分析过程中的尺度变换的正确性。通过对比实验证明了变尺度聚类分析方法的聚类结果有效性,且结果对方法的初始参数不敏感。针对上述提出的变尺度聚类分析方法,本论文对三种实际管理业务场景开展了应用拓展研究,具体包括:①针对分类变量数据且具有多重复值特征的决策分析问题,提出了具有多重复值分类变量数据的变尺度聚类分析技术。北京毅道体育发展有限公司的赛事数据实验结果表明该方法能够很好地辅助制定参赛选手差异化管理方案;②针对分类变量及二值变量混合数据的决策分析问题,提出了具有分类变量及二值变量混合数据的变尺度聚类分析技术。新浪微博社交网络平台的客户数据实验结果表明该方法能够很好地辅助制定客户差异化营销方案;③针对考虑业务数据时效性的数值变量数据决策分析问题,提出了考虑业务数据时效性的数值变量数据变尺度聚类分析技术。中国运载火箭技术研究院物流中心的航天型号物资库存数据实验结果表明该方法能够很好地辅助制定航天型号物资差异化库存管理方案。
宋月丽[8]（2020）在《基于即时学习的工业生产过程质量预测建模方法研究》文中提出随着工业技术的迅猛发展,工业生产系统的规模和复杂程度大幅增加,生产过程影响产品质量的因素众多,且作用机理不明;加之市场需求趋于个性化、多样性,使得多品种、小批量生产方式逐渐成为主流,产品种类多、数量少,交货期短,生产过程存在着操作条件或工艺状态的频繁切换,给生产过程的质量控制提出了更高的要求。另一方面,信息技术与制造业的加速融合,各种传感器、集散控制系统等在工业生产过程中的应用越来越广泛,大量的工业过程数据可以方便地获取。在此背景下,数据驱动的质量分析和建模技术得到快速发展,其中,质量预测技术通过建立容易测量的过程变量和难以测量的关键质量指标之间的数学模型,可以实现对生产过程关键质量指标的快速检测,从而为生产过程的实时优化和管理决策提供重要信息,已发展成为解决复杂工业生产过程质量控制问题的一项关键技术。传统的质量预测模型多基于历史数据离线训练获得,无法适应工业过程的时变,导致模型性能随时间退化甚至失效,重新训练模型又将增加时间和经济成本。基于即时学习的质量预测建模方法,对于过程的时变特性具有较强的自适应能力,且建模原理简单,易于实现,引起了众多学者的广泛关注。然而,由于现代工业生产系统规模庞大且作用机理复杂,工业生产过程往往具有非线性、多工况、时变、动态等多种复杂特性,质量建模数据也可能存在有标签样本量少、数据分布失衡、输入变量多重共线性等复杂特征,使得基于即时学习的质量预测建模仍然面临诸多挑战。本文主要针对小样本多工况过程和非线性大规模连续过程这两类典型过程的质量控制问题,在综合考虑过程以及建模数据复杂特性的基础上,从建模参数优化、相似性度量改进、建模数据自适应更新管理等多个角度,提出了一些基于即时学习的质量预测改进建模方法。主要研究内容如下:（1）小样本多工况过程质量预测的PSO优化即时学习建模多品种、小批量生产模式下,工业过程的同一条生产线往往需要生产多种品类的产品,而不同品类的产品数量都比较有限,且需求量也有很大差异,造成过程存在多种工况状态,且质量建模数据又具有小样本、数据分布失衡的特点。针对此类小样本多工况生产过程的质量预测,采用即时学习中的局部加权回归建模方法,降低模型对样本量的要求;同时针对数据分布失衡的特点,将粒子群优化（Particle Swarm Optimization,PSO）算法与K近邻法相结合设计局部加权带宽参数优化方案,通过为每次查询自适应地选择最优带宽参数,保持模型在数据疏密差异下具有良好稳定的预测性能。在计算流程上,巧妙地设计了离线和在线计算内容,以保证模型能够快速响应查询。通过数值仿真和铸铁生产过程铁水化学成分以及铸件抗拉强度的预测实验验证了所提出方法的有效性。（2）复杂非线性大规模连续过程质量预测的改进即时学习建模大规模连续生产过程通常具有非线性、变量多重共线性、大范围工况、时变等多种复杂特性。针对此类复杂非线性过程的质量预测建模问题,提出一种结合互信息和偏最小二乘法改进相似性度量的双加权即时学习建模方法。所提出的方法在相似性度量上能够充分利用样本的输入和输出信息,并能够克服非线性、共线性等因素的影响,有效保障了近邻样本选择的准确性。在局部建模方面,综合考虑不同变量或样本对模型的重要性差异,提出一种基于互信息的变量加权和基于相似度的样本加权相结合的双加权偏最小二乘建模方法,可以有效增强模型对过程非线性、共线性、时变等多种复杂特性的处理能力。为实现这一建模方法,设计了一个详细的两阶段计算框架。最后,通过数值仿真和脱丁烷塔数据验证了所提出的建模方法具有良好的预测性能,且能够保证较快的预测响应速度。（3）工况迁移下基于密度的质量建模数据自适应更新管理针对过程发生工况迁移至新的工况时,基于即时学习的质量预测模型会因为无法为新的查询选择到准确的近邻样本而导致模型失效,提出一种基于密度的质量建模数据自适应更新管理方法。首先,基于样本相似度来定义数据密度,并给出基于交叉验证预测误差确定数据密度阈值的方法;然后,设计了基于密度的新样本选择性更新和旧样本淘汰机制,有效控制建模样本集大小,并保障建模数据的信息丰富性和避免数据冗余;最后,将上述基于密度的建模数据更新管理方法用于基于即时学习的过程质量控制建模中。通过数值仿真和硫回收工业案例验证了所提出的方法能够保障即时学习模型快速适应新工况,有效增强了质量预测模型对工况迁移的自适应追踪能力,从而维持模型在实际使用中的长期有效性。本文针对实际工业生产过程的复杂过程特性和质量数据特点,综合考虑模型预测精度、自适应性、计算效率等性能指标,在过程质量预测的即时学习建模方面开展探索研究。提出了基于PSO优化加权带宽参数的质量预测即时学习建模方法、基于互信息和偏最小二乘法改进相似度的双加权即时学习建模方法,以及工况迁移下质量建模数据的自适应更新管理方法。为了验证所提出的建模方法的有效性,采用了多个数值仿真案例和实际工业生产过程质量预测案例,实验结果表明所提出的建模方法能够更好地处理过程的复杂特性,具有较强的自适应性。相关研究成果能够为复杂时变工业过程的质量控制问题提供一些解决思路。
康亚[9]（2020）在《滑坡形变InSAR监测关键技术研究与机理分析》文中指出滑坡失稳一旦发生可能会造成严重的人员伤亡与重大的经济财产损失。滑坡灾害防治是目前研究的重点与难点课题,而滑坡的识别与监测是灾害防治得以实施的关键步骤与必要条件。合成孔径雷达干涉测量（InSAR）经历了近几十年的不断发展,凭借其覆盖范围广、监测精度高、可以全天时与全天候作业等优势已经被广泛且深入地应用于地震、滑坡、火山等多种地质现象的监测与建模中。InSAR干涉相位具有相干性是获取可靠形变的前提,为了减弱失相干对形变监测的影响以及获取长时序地表形变结果,多种时序InSAR技术被相继提出（例如目前较为常用的永久散射体InSAR技术与小基线集InSAR技术）。然而滑坡通常发生在地形起伏较大的山区,干涉图常常会受到去相干噪声、大气噪声、DEM误差与解缠误差等多类误差的共同干扰,致使时序InSAR技术难以获取精确的滑坡形变结果。虽然目前针对InSAR各类误差的修正方法在不断地被设计与完善,使得InSAR技术在滑坡研究领域中的应用得到了显着革新与长足发展,但是很难找到可以完全适用于所有案例的数据处理方法。因此如何根据实际应用场景来建立误差修正算法,并设计合理的数据处理流程从而精确地获取InSAR滑坡监测成果是一个需要深入探讨的问题。此外,滑坡机理解译与建模可以加深对于滑坡形变破坏特征的理解,为今后类似灾害防治提供重要的参考。因此,如何通过监测成果对滑坡进行建模与机理解译也是一个值得研究的课题。综合上述分析,本文开展了基于InSAR的滑坡形变监测与机理解译研究,讨论了在滑坡监测中常见的几类误差特性,并提出了相应的修正方法与数据处理流程。此外,本文综合运用InSAR形变、降水与地形等多类数据,并进一步结合地球物理模型对滑坡机理进行了讨论、分析与解译,加深与扩展了InSAR在滑坡机理研究中的应用。本文主要的研究内容与成果包括:（1）系统分析了InSAR技术在滑坡研究中遇到的难点,讨论了InSAR在滑坡监测中常见的几类误差及其修正理论与算法;简要介绍了几种常用的形变反演方法,并推导了在南北向形变较大情况下,基于入射角相似的升降轨数据来估算东西向形变的公式;提出应当在研究中综合考虑实际地形、监测环境与数据情况来合理选取或者设计误差修正方法与InSAR监测方案。（2）为了减弱解缠误差对时序监测结果的影响,在小基线集（Small Baseline Subsets,SBAS）InSAR框架下创建了基于拟准检定技术（Quasi-Accurate Detection,QUAD）的解缠误差自动识别与修正方法。模拟与真实数据试验均表明,本文所提出的算法可以有效地修正InSAR解缠误差。（3）开展了在干涉图可以持续相干区域的滑坡识别与监测研究;本文基于SAR干涉点目标分析技术（Interferometric Point Target Analysis,IPTA）对滑坡进行识别,并基于优选干涉图的SBAS-InSAR技术对典型滑坡进行监测。在滑坡识别中,通过振幅离差指数阈值、子视相干性以及二维回归分析的多重阈值相干目标选取方案进行目标点选取,然后联合光学影像与地表形变来圈定疑似滑坡区域。利用本文设计的方法在乌东德库区进行大范围滑坡识别。在通过SBAS-InSAR获取金坪子滑坡形变后,本文结合滑坡时空域形变特征、外部降水与库区水位变化等多种数据分析了滑坡类型以及形变的驱动因素。（4）开展了在干涉图无法持续相干且地形起伏较大区域的InSAR滑坡监测研究;由于干涉图在部分研究区域受到季节性降雨/雪的影响,部分月份中无法保持较好的相干性甚至完全失相干,此外较大的地形起伏会造成显着的对流层延迟现象,这些均会严重降低InSAR监测的精度。针对以上两点问题,本研究首先建立了有效相干性覆盖率的概念,并基于此设计了干涉图优选方案来筛选掉失相干严重的干涉图;其次提出了一种改进的四叉树干涉图分块处理方法（Segment Processing,SP）来减弱大气噪声对形变监测结果的影响,其包括干涉图分割、分块参考点选取、形变反演与结果拼接等步骤。基于上述干涉图优选方法与分块处理方法,本研究首次揭示了美国El Dorado国家森林公园蠕变滑坡的形变特征。（5）综合利用InSAR形变、外部数据与地球物理模型进行了滑坡的机理分析研究;通过存档SAR数据恢复出两处失稳滑坡的历史形变,滑坡的类型与崩滑机理被讨论与分析,并且成功地将弹性位错模型应用到一处滑坡的建模与滑动分布反演中。此外,基于一维孔隙水扩散模型与外部降水数据模拟了滑坡滑动面的孔隙水压力,并联合降水、孔隙水压力以及InSAR时序形变分析讨论了研究区域滑坡运动的驱动因素。地球物理模型的应用为滑坡机理研究提供了新思路与视角,加深了对此类型滑坡机理的认识与理解。
郑蓉建[10]（2020）在《谷氨酸发酵过程的软测量建模研究》文中提出生物产业（含发酵食品、发酵化学品、发酵医药品、发酵能源等）是国民经济的支柱产业,广泛应用于食品、饲料、医药和化工等领域。谷氨酸是世界上产量最大的氨基酸,主要通过发酵生产。在发酵过程中,重要生化参数（如菌体浓度、基质浓度、产物浓度等）的实时获取,对于过程的控制与优化具有十分重要的意义。然而发酵过程具有强烈非线性、时变性、强耦合等特征,关键生化参数无法在线检测,目前生产中大都采用实验室取样分析方法来得到。为此,软测量技术通过建立过程在线易测辅助变量与难测主导变量（重要生化参数）之间的数学模型,来实现对发酵过程重要生化参数的预测估计,是解决上述问题的有效途径。在过去几十年里,软测量技术已经成为过程控制领域的研究热点,并在工业过程中得到广泛应用。本课题来源于国家自然科学基金面上项目（项目编号61273131）“生物反应过程的在线支持向量机建模与优化”,以典型生化过程——谷氨酸发酵过程为研究背景,结合谷氨酸发酵过程的实际生产操作机理,对谷氨酸发酵过程中难于在线测量的关键生化参数的软测量建模及相关问题进行了深入研究,取得的研究成果如下:（1）针对谷氨酸发酵过程关键生化参数无法在线检测给发酵优化控制带来困难问题,建立了改进遗传算法对模型参数进行辨识的谷氨酸分批流加非结构动力学模型。在发酵过程常用的Logistic模型、Luedeking-Piret等方程基础上建立了谷氨酸分批流加非结构动力学模型,分别采用非线性规划、基本遗传算法、改进遗传算法对模型参数进行辨识,并对不能在线测量的重要生化参数如菌体浓度、基质浓度和产物谷氨酸浓度进行拟合和估计预测,谷氨酸发酵实验和仿真结果验证了所建动力学模型的有效性。（2）针对高度非线性、时变性的谷氨酸发酵过程动力学模型存在批次性、预测精度差、机理建模困难问题,基于生化过程多阶段特性,提出多阶段支持向量机回归的数据驱动软测量模型、并应用于谷氨酸发酵过程产物浓度的预测。为此,首先建立了基于移动窗的皮尔逊相关系数结合线性回归的发酵过程阶段分割方法,分割结果与常规离线化验分析结果基本一致;其次,基于阶段划分的基础上建立多阶段支持向量机回归的产物谷氨酸浓度预测软测量模型。实验和仿真结果表明,多阶段模型相比全局单模型具有更高的预测能力。（3）针对支持向量机回归模型运算时间过长、谷氨酸发酵过程影响因素存在耦合等问题,在分析最小二乘支持向量机理论基础上,建立了偏最小二乘和最小二乘支持向量机相结合的谷氨酸发酵过程软测量模型。首先通过相关系数矩阵对输入变量进行相关性分析,表明变量间存在较强相关性;进一步采用方差膨胀因子对变量的多重共线性进行诊断,结果表明变量间存在中等程度共线性,需要对输入相关变量进行筛选。为此,利用偏最小二乘找出对预测模型输出变量重要的输入变量,降低预测模型输入变量维数、消除相关性、简化模型,以提高预测模型的精度。进一步,运用耦合模拟退火算法对最小二乘支持向量机的参数进行优化,谷氨酸发酵实验仿真结果表明,所建模型预测精度高,可为谷氨酸发酵过程操作及时调整及优化控制提供有效指导。（4）针对支持向量机回归和最小二乘支持向量机等参数化回归软测量建模存在过拟合、参数设置困难、不能刻画预测结果不确定问题,设计了一种基于特征关联性的输入变量选择、超参数自适应获取、输出具有概率特性的自相关决定高斯过程软测量模型,并应用于谷氨酸发酵过程。首先应用高斯过程回归模型进行训练,同时在贝叶斯框架下,确定协方差函数中的超参数,利用训练好的高斯过程回归模型进行预测。其次,分析了谷氨酸浓度对发酵参数的感度发现,发酵时间、CO2释放速率CER、O2消耗速率OUR对谷氨酸浓度影响最大。进一步,分析了预测值的不确定性即方差和模型输入在线变量之间变化关系,当发酵罐温度T、CO2释放速率CER、O2消耗速率OUR异常变化时,发现预测值的方差随之发生明显变化,可利用预测值的方差异常变化作为发酵过程状态或传感器异常的指示器。谷氨酸发酵实验和仿真研究表明,所建基于特征关联性的自相关决定高斯过程回归的软测量模型可以实现对谷氨酸浓度的较高精度预测,且预测结果具有较小的置信度区间,满足发酵过程实时控制需要。（5）谷氨酸发酵过程是一个复杂的生化过程,在无法根据发酵过程复杂内部机理建立准确的动力学模型的条件下,要实现发酵过程的优化控制是一个具有挑战性的课题。基于对谷氨酸发酵过程机理分析和研究,运用软测量技术建立了难测参数的软测量模型,设计和优化了谷氨酸发酵过程溶氧控制,将所建软测量模型应用于谷氨酸发酵过程异常批次的识别,并基于罗克韦尔公司开发的RSLogix5000编程软件平台开发了一套谷氨酸发酵过程软测量建模及优化控制系统。通过实际应用表明,该系统能满足谷氨酸发酵过程的实际运行需求,提高了自动化水平,减轻操作人员的劳动强度。
二、STEP建模技术在Mfg_PP系统产品建模中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、STEP建模技术在Mfg_PP系统产品建模中的应用（论文提纲范文）
（1）感应电机模型预测电流控制研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 经典感应电机控制技术 |
| 1.2.2 电机模型预测控制现状 |
| 1.3 论文工作安排 |
| 2 基本的单边界圆-单矢量策略模型预测电流控制 |
| 2.1 模型预测控制基本原理 |
| 2.2 单边界圆-单矢量策略电机预测模型 |
| 2.3 单边界圆-单矢量策略实现 |
| 2.3.1 单边界圆-单矢量策略控制过程 |
| 2.3.2 单边界圆-单矢量策略代价函数 |
| 2.3.3 单边界圆-单矢量策略算法实现 |
| 2.4 仿真与实验 |
| 2.4.1 仿真验证 |
| 2.4.2 实验验证 |
| 2.5 本章小结 |
| 3 引入0/7 矢量的双矢量组合策略模型预测电流控制 |
| 3.1 基本单边界圆-单矢量策略技术局限 |
| 3.2 提升稳态性能的双矢量策略实现 |
| 3.3 仿真与实验 |
| 3.3.1 仿真验证 |
| 3.3.2 实验验证 |
| 3.4 本章小结 |
| 4 提升动态性能的双边界圆策略模型预测电流控制 |
| 4.1 双边界圆策略感应电机预测模型 |
| 4.2 提升动态性能的双边界圆策略实现 |
| 4.2.1 双边界圆策略控制过程 |
| 4.2.2 双边界圆策略代价函数 |
| 4.2.3 双边界圆策略算法实现 |
| 4.3 双边界圆策略中参数确定 |
| 4.3.1 边界圆半径选取 |
| 4.3.2 权重因子选取 |
| 4.4 仿真与实验 |
| 4.4.1 仿真验证 |
| 4.4.2 实验验证 |
| 4.5 本章小结 |
| 5 基于低运算负担的多步模型预测电流控制 |
| 5.1 感应电机多步预测模型 |
| 5.2 多步模型预测电流控制策略实现 |
| 5.2.1 多步模型预测电流控制实现过程 |
| 5.2.2 多步模型预测电流控制代价函数 |
| 5.2.3 多步模型预测电流控制寻优方法 |
| 5.3 基于低算法负担的多步改进策略 |
| 5.3.1 在线调节开关权重因子改进策略 |
| 5.3.2 离线计算电机转速改进策略 |
| 5.4 仿真与实验 |
| 5.4.1 仿真验证 |
| 5.4.2 实验验证 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（2）基于高光谱图像的多视图三维重构研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高光谱图像波段选择 |
| 1.2.2 高光谱图像三维重构及光谱映射 |
| 1.3 研究内容及创新点 |
| 1.4 论文结构安排 |
| 第二章 高光谱成像光谱仪几何标定 |
| 2.1 相机标定的原理 |
| 2.2 相机成像畸变类型 |
| 2.2.1 径向畸变 |
| 2.2.2 离心畸变 |
| 2.2.3 薄棱镜畸变 |
| 2.3 面阵相机几何标定技术 |
| 2.3.1 传统的面阵相机标定技术 |
| 2.3.2 面阵相机的自标定技术 |
| 2.3.3 面阵相机的视觉标定技术 |
| 2.4 高光谱成像光谱仪几何标定 |
| 2.4.1 张氏标定法的理论分析 |
| 2.4.2 高光谱成像光谱仪几何标定实验 |
| 2.5 本章小结 |
| 第三章 基于果蝇优化算法的高光谱图像波段选择方法 |
| 3.1 传统果蝇优化算法 |
| 3.2 二分波动模型的改进果蝇优化算法 |
| 3.2.1 传统FOA算法分析 |
| 3.2.2 二分波动模型的改进FOA算法 |
| 3.2.3 FMFOA算法性能评估 |
| 3.3 基于FMFOA算法的高光谱图像波段选择方法 |
| 3.3.1 实验设置 |
| 3.3.2 FMFOA算法在基准数据集上的实验结果 |
| 3.3.3 FMFOA算法在高光谱成像光谱仪数据集上的实验结果 |
| 3.4 本章小结 |
| 第四章 高光谱图像特征提取与匹配 |
| 4.1 图像特征提取技术概述 |
| 4.1.1 基于点特征的图像特征提取技术 |
| 4.1.2 基于线特征的图像特征提取技术 |
| 4.1.3 基于区域特征的图像特征提取技术 |
| 4.2 基于光谱空间的F-SIFT特征处理技术 |
| 4.2.1 传统SIFT方法 |
| 4.2.2 基于光谱图像空间的F-SIFT |
| 4.2.3 基于双重定位约束的特征点匹配方法 |
| 4.3 实验结果与分析 |
| 4.3.1 实验设置 |
| 4.3.2 结果与分析 |
| 4.4 本章小结 |
| 第五章 基于高光谱图像序列的三维点云构建 |
| 5.1 三维重建技术概述 |
| 5.2 三维点云构建方法 |
| 5.2.1 激光扫描的点云构建 |
| 5.2.2 深度图像的点云构建 |
| 5.2.3 图像序列的点云构建 |
| 5.3 基于高光谱图像序列的三维点云模型构建关键技术 |
| 5.3.1 对极几何约束 |
| 5.3.2 八点法求解基础矩阵 |
| 5.3.3 光束平差优化点云模型 |
| 5.4 实验与分析 |
| 5.5 本章小结 |
| 第六章 基于高光谱图像序列的图-谱-3D映射研究 |
| 6.1 三维模型光谱映射的理论依据 |
| 6.2 传统的基于RGB图像三维模型渲染 |
| 6.3 图-谱-3D映射构建中的图-谱处理 |
| 6.3.1 高光谱图像配准 |
| 6.3.2 多角度图像象元反射率提取 |
| 6.4 基于高光谱图像的图-谱-3D映射实现 |
| 6.4.1 基于特征点的光谱映射的数学建模 |
| 6.4.2 基于非特征点的光谱映射的数学建模 |
| 6.4.3 基于高光谱图像序列的图-谱-3D映射平台构建 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 博士期间的科研成果 |
| 致谢 |
（3）基于几何布朗运动的加速退化建模及试验优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 随机退化模型的研究现状 |
| 1.2.2 加速退化试验方法的研究现状 |
| 1.2.3 加速退化试验优化设计的研究现状 |
| 1.3 论文的主要研究内容以及章节安排 |
| 第2章 基于GBM的加速退化建模及可靠性评估 |
| 2.1 引言 |
| 2.2 GBM加速退化建模 |
| 2.2.1 退化建模 |
| 2.2.2 加速退化建模 |
| 2.3 GBM加速退化模型参数估计 |
| 2.4 GBM可靠性评估 |
| 2.5 GBM仿真验证 |
| 2.5.1 SSADT仿真验证 |
| 2.5.2 CSADT仿真验证 |
| 2.6 GBM实例数据验证 |
| 2.7 本章小结 |
| 第3章 基于不确定GBM的加速退化建模及可靠性评估 |
| 3.1 引言 |
| 3.2 不确定GBM加速退化建模 |
| 3.2.1 退化建模 |
| 3.2.2 加速退化建模 |
| 3.3 不确定GBM加速退化模型参数估计 |
| 3.3.1 SSADT参数估计 |
| 3.3.2 CSADT参数估计 |
| 3.4 不确定GBM可靠性评估 |
| 3.5 不确定GBM仿真验证 |
| 3.5.1 SSADT仿真验证 |
| 3.5.2 CSADT仿真验证 |
| 3.6 不确定GBM实例验证 |
| 3.7 本章小结 |
| 第4章 基于不确定GBM的加速退化试验优化设计 |
| 4.1 引言 |
| 4.2 不确定GBM加速退化试验优化建模 |
| 4.2.1 D-优化准则 |
| 4.2.2 V-优化准则 |
| 4.2.3 优化建模 |
| 4.3 优化算法 |
| 4.4 不确定GBM算例优化设计 |
| 4.4.1 SSADT优化设计 |
| 4.4.2 CSADT优化设计 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（4）基于四元数自适应滤波器的噪声主动控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及其意义 |
| 1.2 噪声的控制方法 |
| 1.2.1 被动噪声控制技术 |
| 1.2.2 主动噪声控制技术 |
| 1.3 国内外研究现状 |
| 1.3.1 主动噪声控制技术的发展历程 |
| 1.3.2 主动噪声控制技术的未来趋势 |
| 1.4 本文研究的主要内容 |
| 第2章 主动噪声控制系统理论 |
| 2.1 主动噪声控制技术的理论基础 |
| 2.1.1 主动噪声控制系统的基本原理 |
| 2.1.2 主动噪声控制的系统结构 |
| 2.1.3 主动噪声控制的应用 |
| 2.1.4 主动噪声控制系统目前存在的问题 |
| 2.2 自适应滤波器 |
| 2.3 最小均方(LMS)算法 |
| 2.4 本章小结 |
| 第3章 基于滤波-X LMS(FXLMS)算法的主动降噪系统建模 |
| 3.1 主动噪声控制系统模型 |
| 3.2 FxLMS算法原理 |
| 3.3 次级通道的建模 |
| 3.3.1 次级通道的建模方法 |
| 3.3.2 次级通道辨识模型的搭建 |
| 3.4 基于FxLMS算法的主动噪声控制系统建模 |
| 3.5 FxLMS算法目前存在的问题 |
| 3.6 本章小结 |
| 第4章 基于四元数的改进FXLMS算法的主动降噪系统建模 |
| 4.1 四元数基本理论 |
| 4.1.1 四元数的定义及基本运算 |
| 4.1.2 四元数向量及矩阵的相关 |
| 4.2 四元数自适应滤波器 |
| 4.2.1 四元数LMS算法的发展 |
| 4.2.2 四元数LMS算法原理 |
| 4.3 基于滤波-X四元数LMS (FxQLMS)算法的控制系统建模 |
| 4.3.1 FxQLMS算法的原理 |
| 4.3.2 FxQLMS算法的实现以及仿真模型的构建 |
| 4.4 基于改进变步长FxQLMS (VSSFxQLMS)算法的控制系统建模 |
| 4.4.1 变步长的经典方法 |
| 4.4.2 改进的变步长方法 |
| 4.4.3 VSSFxQLMS算法仿真模型的搭建 |
| 4.5 本章小结 |
| 第5章 主动噪声控制系统各算法的仿真实现和比较 |
| 5.1 简单路径情况下的算法仿真分析 |
| 5.1.1 单频音噪声信号的算法仿真分析 |
| 5.2 复杂路径情况下的算法仿真实验 |
| 5.2.1 单频音噪声信号的算法仿真分析 |
| 5.2.2 多频音噪声信号的算法仿真分析 |
| 5.3 汽车和工厂不同噪声环境下的仿真对比试验 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（5）波束成形系统线性化与基于神经网络的宽带数字预失真研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 数字预失真的基本原理和研究现状 |
| 1.2.1 数字预失真的基本原理 |
| 1.2.2 数字预失真的研究现状 |
| 1.3 本文研究思路和工作安排 |
| 第2章 射频功率放大器的建模与数字预失真原理 |
| 2.1 引言 |
| 2.2 射频功率放大器的非线性和表征方法 |
| 2.2.1 射频功放放大器的非线性特性 |
| 2.2.2 功放非线性的表征方法 |
| 2.3 功放的非线性行为建模 |
| 2.3.1 基于Volterra级数的多项式模型 |
| 2.3.2 基于分段线性函数的模型 |
| 2.3.3 神经网络模型 |
| 2.3.4 MIMO架构下的功放非线性行为模型 |
| 2.4 数字预失真的提参结构 |
| 2.4.1 间接学习结构 |
| 2.4.2 直接学习结构 |
| 2.4.3 迭代学习控制结构 |
| 2.4.4 不同学习结构的优缺点 |
| 2.5 本章小结与讨论 |
| 第3章 低复杂度的波束成形DPD架构 |
| 3.1 波束成形DPD的基本模型 |
| 3.1.1 单用户波束成形DPD |
| 3.1.2 多用户波束成形DPD |
| 3.2 基于单路功放反馈的波束成形DPD |
| 3.2.1 基本原理 |
| 3.2.2 功放特性不一致情况下的单路功放反馈DPD提取方法 |
| 3.2.3 功率变化情况下的单路功放反馈DPD提取方法 |
| 3.3 仿真对比验证 |
| 3.3.1 基于单路功放反馈的多用户波束成形DPD方法验证 |
| 3.3.2 基于功放差异补偿的单路功放反馈波束成形DPD |
| 3.3.3 基于功放差异补偿和功率调整的单路功放反馈波束成形DPD |
| 3.4 本章小结与讨论 |
| 第4章 基于矢量分解的循环神经网络DPD模型 |
| 4.1 引言 |
| 4.2 基于矢量分解的LSTM模型 |
| 4.2.1 矢量分解机制 |
| 4.2.2 长短期记忆网络 |
| 4.2.3 基于矢量分解机制的LSTM模型 |
| 4.2.4 实验验证 |
| 4.3 基于新型LSTM单元的简化VDLSTM模型 |
| 4.3.1 基本原理 |
| 4.3.2 VDLSTM模型和简化VDLSTM模型的复杂度比较 |
| 4.3.3 实验验证 |
| 4.4 本章小结与讨论 |
| 第5章 基于符号正交回归器的数字预失真 |
| 5.1 引言 |
| 5.2 基于符号正交回归器的数字预失真自适应算法 |
| 5.2.1 基本理论 |
| 5.2.2 符号正交回归器的引入 |
| 5.2.3 符号正交回归器算法和独立参数提取 |
| 5.2.4 复杂度分析 |
| 5.2.5 实验验证 |
| 5.3 符号正交回归器算法与基函数裁剪 |
| 5.3.1 基函数裁剪 |
| 5.3.2 仿真验证 |
| 5.4 本章小结与讨论 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（6）数据驱动成品汽油调和配方优化及其智能系统开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 汽油调和配方优化与相关技术研究现状 |
| 1.2.1 成品汽油调和辛烷值研究现状 |
| 1.2.2 成品汽油调和配方优化研究现状 |
| 1.2.3 数据驱动建模方法研究现状 |
| 1.3 本文的研究思路以及章节安排 |
| 1.3.1 论文研究思路 |
| 1.3.2 论文结构及章节安排 |
| 1.4 本章小结 |
| 第2章 成品汽油调和配方建模方案及相关知识 |
| 2.1 引言 |
| 2.2 成品汽油调和工艺机理与标准 |
| 2.2.1 成品汽油调和工艺 |
| 2.2.2 调和机理的数学描述 |
| 2.2.3 成品汽油质量指标 |
| 2.3 成品汽油调和配方建模面临的问题及解决方法 |
| 2.3.1 成品汽油调和配方建模问题分析 |
| 2.3.2 成品汽油调和配方建模方案的提出 |
| 2.4 数据准备 |
| 2.4.1 数据采集 |
| 2.4.2 数据预处理 |
| 2.5 配方模型评价标准 |
| 2.6 本章小结 |
| 第3章 成品汽油调和数据完备性预测建模方法研究 |
| 3.1 引言 |
| 3.2 基于SHPSO-GA-BP的成品汽油调和指标缺失值预测建模 |
| 3.2.1 建模算法存在问题分析 |
| 3.2.2 SHPSO-GA-BP方法构思 |
| 3.2.3 SHPSO-GA-BP建模流程与步骤 |
| 3.2.4 加氢汽油组分辛烷值、抗爆值预测仿真与结果分析 |
| 3.3 基于多CART集成学习的成品汽油配方缺失组分数据建模 |
| 3.3.1 单一方法建模问题分析 |
| 3.3.2 基于集成学习的成品汽油配方缺失组分数据建模思想 |
| 3.3.3 基于集成学习的成品汽油配方缺失数据模型建立与结果分析 |
| 3.4 本章小结 |
| 第4章 基于DBN的成品汽油调和保守配方建模 |
| 4.1 引言 |
| 4.2 基于DBN的成品汽油调和保守配方建模方法概述 |
| 4.2.1 基于DBN的成品汽油调和保守配方建模方法考虑 |
| 4.2.2 算法原理 |
| 4.2.3 基于PSO-DBN的成品汽油调和保守配方建模算法流程与步骤 |
| 4.2.4 仿真研究与结果分析 |
| 4.3 基于DBN-ELM的成品汽油调和保守配方建模 |
| 4.3.1 基于DBN-ELM配方建模的考虑 |
| 4.3.2 算法原理 |
| 4.3.3 基于DBN-ELM的成品汽油调和保守配方建模算法流程与步骤 |
| 4.3.4 仿真结果分析 |
| 4.4 本章小结 |
| 第5章 成品汽油调和混合配方建模 |
| 5.1 引言 |
| 5.2 基于PSO-LSSVM的成品汽油调和卡边配方建模 |
| 5.2.1 基于PSO-LSSVM的成品汽油调和卡边配方建模方法考虑 |
| 5.2.2 LSSVM算法原理 |
| 5.2.3 基于PSO-LSSVM的卡边配方建模流程与步骤 |
| 5.2.4 仿真实验与结果分析 |
| 5.3 混合配方模型建立 |
| 5.3.1 成品汽油调和混合配方建模方法考虑 |
| 5.3.2 混合配方建模流程与步骤 |
| 5.3.3 基于权重更新策略的混合配方模型仿真与结果分析 |
| 5.4 本章小结 |
| 第6章 成品汽油调和配方智能管理系统开发 |
| 6.1 引言 |
| 6.2 成品汽油调和配方智能管理系统分析 |
| 6.2.1 系统可行性分析 |
| 6.2.2 系统功能需求分析 |
| 6.3 成品汽油调和配方智能管理系统数据库设计 |
| 6.3.1 数据库功能模块 |
| 6.3.2 E-R数据模型设计 |
| 6.3.3 关系表设计 |
| 6.4 成品汽油调和配方智能系统开发 |
| 6.4.1 系统主框架程序设计 |
| 6.4.2 保守配方预测功能模块设计 |
| 6.4.3 混合配方预测及模型评价功能模块设计 |
| 6.4.4 在线优化功能模块设计 |
| 6.5 系统功能测试 |
| 6.5.1 用户及管理员登陆功能测试 |
| 6.5.2 界面切换与辛烷值/抗爆值预测功能测试 |
| 6.5.3 保守配方预测功能测试 |
| 6.5.4 卡边配方预测功能测试 |
| 6.5.5 混合配方预测与模型评价功能测试 |
| 6.5.6 在线优化功能测试 |
| 6.5.7 其他 |
| 6.6 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录 攻读学位期间发表的学术论文 |
（7）面向决策支持的变尺度聚类分析技术（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究框架与研究内容 |
| 1.4 创新点 |
| 2 理论基础和文献综述 |
| 2.1 数据驱动的决策分析 |
| 2.1.1 决策与决策过程 |
| 2.1.2 决策的层次特征与主观特征 |
| 2.1.3 数据驱动的决策分析方法 |
| 2.2 数据挖掘技术应用过程 |
| 2.2.1 数据挖掘技术应用过程中存在的问题 |
| 2.2.2 面向数据挖掘应用过程自动化的思维流程建模技术 |
| 2.2.3 启发式智能数据分析方法 |
| 2.3 粒度及尺度效应 |
| 2.3.1 数据分析领域中的粒度 |
| 2.3.2 粒计算理论中的信息系统模型 |
| 2.3.3 尺度效应 |
| 2.4 本章小结 |
| 3 尺度变换机制及变尺度聚类分析方法 |
| 3.1 多尺度数据模型 |
| 3.1.1 尺度基本概念及对象实例化 |
| 3.1.2 概念空间模型 |
| 3.1.3 多尺度数据模型及其构建过程 |
| 3.2 尺度变换策略 |
| 3.2.1 尺度变换及尺度变换率 |
| 3.2.2 激进尺度变换策略 |
| 3.2.3 保守尺度变换策略 |
| 3.3 尺度变换机制 |
| 3.3.1 尺度变换效果评价 |
| 3.3.2 尺度变换原则 |
| 3.3.3 尺度变换机制及其实施过程 |
| 3.4 变尺度聚类分析方法 |
| 3.4.1 变尺度聚类分析基本思想 |
| 3.4.2 变尺度聚类分析方法步骤 |
| 3.4.3 变尺度聚类分析过程示例 |
| 3.5 变尺度聚类分析方法有效性及参数敏感性分析 |
| 3.5.1 实验目的及数据准备 |
| 3.5.2 变尺度聚类分析方法有效性分析 |
| 3.5.3 变尺度聚类分析方法参数敏感性分析 |
| 3.6 本章小结 |
| 4 具有多重复值分类变量数据的变尺度聚类分析技术 |
| 4.1 具有多重复值分类变量数据的决策分析问题 |
| 4.1.1 城市马拉松赛事个性化服务研究背景及问题 |
| 4.1.2 城市马拉松赛事参赛选手的数据特征 |
| 4.1.3 具有多重复值分类变量数据的尺度变换机制研究问题 |
| 4.2 具有多重复值分类变量数据的变尺度聚类分析算法 |
| 4.2.1 分类变量数据变尺度聚类分析的概念准备 |
| 4.2.2 分类变量数据变尺度聚类分析的基本思想 |
| 4.2.3 分类变量数据变尺度聚类分析的算法步骤 |
| 4.3 基于分类变量数据变尺度聚类的案例推荐方法 |
| 4.3.1 基于分类变量数据变尺度聚类的案例推荐概念准备 |
| 4.3.2 基于分类变量数据变尺度聚类的案例推荐基本思想 |
| 4.3.3 基于分类变量数据变尺度聚类的案例推荐方法步骤 |
| 4.4 城市马拉松赛事参赛选手差异化管理应用 |
| 4.4.1 基于分类变量数据变尺度聚类的参赛选手特征发现 |
| 4.4.2 城市马拉松赛事选手数据采集及预处理 |
| 4.4.3 实验结果及讨论分析 |
| 4.5 本章小结 |
| 5 具有分类变量数据及二值变量数据的变尺度聚类分析技术 |
| 5.1 具有分类变量数据及二值变量数据的决策分析问题 |
| 5.1.1 社交网络营销研究背景及问题 |
| 5.1.2 社交网络客户的数据特征 |
| 5.1.3 二值变量数据的尺度变换机制研究问题 |
| 5.2 具有二值变量数据的变尺度聚类分析算法 |
| 5.2.1 二值变量数据变尺度聚类分析的概念准备 |
| 5.2.2 二值变量数据变尺度聚类分析的基本思想 |
| 5.2.3 二值变量数据变尺度聚类分析的算法步骤 |
| 5.3 具有分类变量及二值变量混合数据的变尺度聚类分析算法 |
| 5.3.1 混合数据变尺度聚类分析的概念准备 |
| 5.3.2 混合数据变尺度聚类分析的基本思想 |
| 5.3.3 混合数据变尺度聚类分析的算法步骤 |
| 5.4 社交网络客户差异化管理应用 |
| 5.4.1 基于混合数据变尺度聚类的客户特征发现 |
| 5.4.2 社交网络客户数据采集及预处理 |
| 5.4.3 实验结果及讨论分析 |
| 5.5 本章小结 |
| 6 考虑业务时效性的数值变量数据变尺度聚类分析技术 |
| 6.1 考虑业务时效性的数值变量数据决策分析问题 |
| 6.1.1 航天型号物资动态库存管理研究背景及问题 |
| 6.1.2 航天型号物资的数据特征 |
| 6.1.3 数值变量数据的尺度变换机制研究问题 |
| 6.2 考虑业务时效性的数值变量数据变尺度聚类分析算法 |
| 6.2.1 数值变量数据变尺度聚类分析的概念准备 |
| 6.2.2 数值变量数据变尺度聚类分析的基本思想 |
| 6.2.3 数值变量数据变尺度聚类分析的算法步骤 |
| 6.3 航天型号物资差异化管理应用 |
| 6.3.1 航天型号物资库存动态分类管理思想 |
| 6.3.2 航天型号物资库存动态分类调整方法 |
| 6.3.3 航天型号物资数据采集及预处理 |
| 6.3.4 实验结果及讨论分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（8）基于即时学习的工业生产过程质量预测建模方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 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 |
（9）滑坡形变InSAR监测关键技术研究与机理分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 国内外研究现状 |
| 1.2.1 InSAR滑坡形变监测 |
| 1.2.2 InSAR滑坡建模与机理分析 |
| 1.3 InSAR滑坡研究问题与难点 |
| 1.3.1 数据处理 |
| 1.3.2 建模与机理分析 |
| 1.4 研究内容 |
| 1.5 章节安排 |
| 第二章 InSAR基本原理与地球物理模型 |
| 2.1 引言 |
| 2.2 成像雷达与合成孔径雷达 |
| 2.3 InSAR获取形变与DEM基本原理 |
| 2.4 InSAR相干性与临界基线 |
| 2.4.1 InSAR相干性 |
| 2.4.2 InSAR临界基线 |
| 2.5 InSAR误差简介 |
| 2.6 地球物理模型 |
| 2.6.1 Okada位错模型 |
| 2.6.2 一维孔隙水扩散模型 |
| 2.7 本章小结 |
| 第三章 InSAR关键误差处理与形变反演 |
| 3.0 引言 |
| 3.1 去相干噪声抑制 |
| 3.1.1 滤波 |
| 3.1.2 全组合最优相位估计 |
| 3.1.3 加权形变反演 |
| 3.1.4 观测值优选 |
| 3.2 对流层延迟修正 |
| 3.2.1 大气噪声空间结构估计 |
| 3.2.2 对流层延迟修正方法 |
| 3.2.3 垂直分层大气修正与分块处理(SP) |
| 3.3 基于拟准检定的解缠误差修正 |
| 3.3.1 基于拟准检定的解缠误差修正基本原理 |
| 3.3.2 基于拟准检定的解缠误差修正操作流程 |
| 3.3.3 模拟数据 |
| 3.3.4 真实数据 |
| 3.4 监测点选取 |
| 3.4.1 振幅离差指数点目标选取 |
| 3.4.2 子视相干性点目标检测 |
| 3.4.3 相干性点目标选取 |
| 3.4.4 特征值分解点目标选取 |
| 3.4.5 候选点的筛选 |
| 3.5 InSAR形变反演 |
| 3.5.1 Stacking形变速率反演 |
| 3.5.2 SBAS与ISBAS时间序列形变反演 |
| 3.5.3 IPTA回归分析 |
| 3.5.4 东西与垂直向形变 |
| 3.6 本章小结 |
| 第四章 持续相干区域InSAR滑坡识别与监测 |
| 4.1 引言 |
| 4.2 基于IPTA与SBAS的滑坡识别与监测 |
| 4.2.1 滑坡识别 |
| 4.2.2 滑坡监测 |
| 4.3 乌东德库区滑坡识别 |
| 4.3.1 研究区域背景 |
| 4.3.2 库区滑坡识别 |
| 4.4 金坪子滑坡的监测与分析 |
| 4.4.1 金坪子滑坡形变的空间特征 |
| 4.4.2 金坪子滑坡时间序列形变 |
| 4.4.3 滑坡类型分析 |
| 4.4.4 外部驱动因素分析 |
| 4.5 本章小结 |
| 第五章 非持续相干巨大高程起伏区域InSAR滑坡研究 |
| 5.1 引言 |
| 5.2 研究区域概况 |
| 5.3 数据与干涉图选取 |
| 5.4 空间相关噪声评估 |
| 5.5 分块处理(SP) |
| 5.5.1 四叉树影像分割 |
| 5.5.2 分块参考点的选取 |
| 5.5.3 分块形变反演 |
| 5.5.4 结果融合与残余大气修正 |
| 5.6 形变结果与分析 |
| 5.6.1 形变及精度分析 |
| 5.6.2 五十号高速公路滑坡 |
| 5.6.3 孔隙水压力建模 |
| 5.6.4 局部不稳定区域 |
| 5.7 本章小结 |
| 第六章 基于InSAR的失稳滑坡机理分析 |
| 6.1 引言 |
| 6.2 关岭滑坡 |
| 6.2.1 关岭滑坡背景 |
| 6.2.2 关岭滑坡地质条件 |
| 6.2.3 数据与处理方法 |
| 6.2.4 崩滑前形变恢复 |
| 6.2.5 机理分析与崩滑理论模型 |
| 6.3 茂县新磨滑坡 |
| 6.3.1 茂县新磨滑坡背景 |
| 6.3.2 滑前形变恢复 |
| 6.3.3 时空域形变特征分析 |
| 6.3.4 滑坡建模与滑动分布反演 |
| 6.3.5 滑坡发育与崩滑机理分析 |
| 6.4 本章小结 |
| 结论与展望 |
| 研究成果与结论 |
| 目前存在的问题与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
（10）谷氨酸发酵过程的软测量建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外谷氨酸产业的发展现状 |
| 1.2.1 谷氨酸物化性质及发展历史 |
| 1.2.2 国内外谷氨酸产业现状 |
| 1.3 软测量技术 |
| 1.3.1 软测量建模概述 |
| 1.3.2 软测量建模步骤与内容 |
| 1.3.3 软测量建模方法 |
| 1.3.4 软测量技术应用 |
| 1.4 发酵过程软测量建模国内外研究现状 |
| 1.4.1 基于机理模型的发酵过程软测量 |
| 1.4.2 基于数据驱动的发酵过程软测量 |
| 1.4.3 混合模型软测量 |
| 1.5 主要研究内容和结构安排 |
| 第二章 谷氨酸发酵过程动力学建模 |
| 2.1 引言 |
| 2.2 发酵过程基础数学模型 |
| 2.2.1 发酵过程合成和和代谢分解反应 |
| 2.2.2 发酵过程典型数学模型 |
| 2.2.3 发酵过程比反应速率模型 |
| 2.3 谷氨酸发酵过程代谢(流)网络分析 |
| 2.3.1 材料与方法 |
| 2.3.2 发酵过程影响因素分析 |
| 2.3.3 代谢网络模型的简化、计算和求解 |
| 2.3.4 基于代谢网络结构模型的谷氨酸浓度预测 |
| 2.4 谷氨酸发酵分批流加非结构动力学建模 |
| 2.4.1 非线性规划确定非结构动力学模型参数 |
| 2.4.2 遗传算法确定非结构动力学模型参数 |
| 2.4.3 改进遗传算法确定非结构动力学模型参数 |
| 2.5 本章小结 |
| 第三章 基于多阶段支持向量机回归的谷氨酸发酵过程软测量 |
| 3.1 引言 |
| 3.2 支持向量机 |
| 3.2.1 支持向量机分类 |
| 3.2.2 支持向量机回归 |
| 3.3 多阶段分割算法 |
| 3.4 基于多阶段支持向量机回归的谷氨酸浓度软测量 |
| 3.5 结果与讨论 |
| 3.6 本章小结 |
| 第四章 基于偏最小二乘和最小二乘支持向量机的谷氨酸发酵过程软测量 |
| 4.1 引言 |
| 4.2 偏最小二乘 |
| 4.2.1 PLS原理与计算方法 |
| 4.2.2 模型提取成分的确定 |
| 4.3 最小二乘支持向量机 |
| 4.4 基于耦合模拟退火的最小二乘支持向量机软测量 |
| 4.4.1 模拟退火算法 |
| 4.4.2 耦合模拟退火算法 |
| 4.4.3 耦合模拟退火优化参数算法 |
| 4.4.4 基于CSA优化的LSSVM软测量预测算法 |
| 4.5 基于PLS-LSSVM的谷氨酸发酵过程软测量 |
| 4.5.1 PLS-LSSVM软测量预测模型实现流程 |
| 4.5.2 辅助变量选择 |
| 4.6 结果与讨论 |
| 4.6.1 模型性能评估指标 |
| 4.6.2 PLS与 LSSVM模型比较 |
| 4.6.3 SVM和 LSSVM预测模型比较 |
| 4.6.4 PLS-LSSVM简化模型性能分析 |
| 4.7 本章小结 |
| 第五章 基于高斯过程的谷氨酸发酵过程软测量 |
| 5.1 引言 |
| 5.2 高斯过程模型 |
| 5.2.1 无参预测 |
| 5.2.2 高斯过程回归 |
| 5.2.3 协方差函数 |
| 5.2.4 高斯过程的模型选择 |
| 5.2.5 高斯过程稀疏化 |
| 5.3 基于PLS-GP的谷氨酸发酵过程软测量 |
| 5.3.1 基于PLS-GP的软测量模型架构 |
| 5.3.2 训练数据的准备 |
| 5.3.3 输入变量选择 |
| 5.3.4 协方差函数的确定 |
| 5.3.5 结果和讨论 |
| 5.4 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.4.1 基于预测方差的自主动高斯过程模型 |
| 5.4.2 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.5 基于自相关决定高斯过程的谷氨酸发酵软测量 |
| 5.5.1 基于特征关联性的自相关决定变量选择 |
| 5.5.2 结果和讨论 |
| 5.6 本章小结 |
| 第六章 谷氨酸发酵过程软测量建模及优化控制系统的开发 |
| 6.1 引言 |
| 6.2 谷氨酸发酵过程软测量实施系统软件构架 |
| 6.3 谷氨酸发酵过程计算机控制系统 |
| 6.3.1 溶解氧控制 |
| 6.3.2 温度控制 |
| 6.3.3 pH值控制 |
| 6.3.4 压力的控制 |
| 6.3.5 泡沫的控制 |
| 6.4 谷氨酸发酵过程溶解氧的优化控制 |
| 6.4.1 材料与方法 |
| 6.4.2 DO控制算法 |
| 6.4.3 结果和讨论 |
| 6.5 监控系统设计 |
| 6.6 Matlab与 RSView32 通信的实现 |
| 6.7 软测量应用实例——谷氨酸发酵过程异常批次识别 |
| 6.8 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读博士学位期间的成果 |
四、STEP建模技术在Mfg_PP系统产品建模中的应用（论文参考文献）
- [1]感应电机模型预测电流控制研究[D]. 薛亚茹. 北京交通大学, 2021(02)
- [2]基于高光谱图像的多视图三维重构研究[D]. 丁国绅. 中国科学技术大学, 2021(09)
- [3]基于几何布朗运动的加速退化建模及试验优化研究[D]. 郭斌. 燕山大学, 2021(01)
- [4]基于四元数自适应滤波器的噪声主动控制技术研究[D]. 张冰妍. 华北电力大学(北京), 2021(01)
- [5]波束成形系统线性化与基于神经网络的宽带数字预失真研究[D]. 李泓旻. 中国科学技术大学, 2021(09)
- [6]数据驱动成品汽油调和配方优化及其智能系统开发[D]. 王晓明. 兰州理工大学, 2021(01)
- [7]面向决策支持的变尺度聚类分析技术[D]. 王艾. 北京科技大学, 2021(02)
- [8]基于即时学习的工业生产过程质量预测建模方法研究[D]. 宋月丽. 合肥工业大学, 2020(02)
- [9]滑坡形变InSAR监测关键技术研究与机理分析[D]. 康亚. 长安大学, 2020(06)
- [10]谷氨酸发酵过程的软测量建模研究[D]. 郑蓉建. 江南大学, 2020(01)