酚醛樹脂作為一種常見的化工原料,其成品中游離酚含量是檢驗(yàn)其純度的重要指標(biāo)之一,隨著酚醛樹脂的應(yīng)用愈加廣泛,對(duì)其純度的要求也越來越高。由于影響酚醛樹脂合成過程的變量因素眾多,最終成品的質(zhì)量難以得到保證,且目前為止沒有固定方法可對(duì)其純度進(jìn)行測(cè)量,因此使用計(jì)算機(jī)技術(shù)對(duì)酚醛樹脂純度的預(yù)測(cè)具有重要的實(shí)際意義�；谶@一問題,本文以某工廠生產(chǎn)的酚醛樹脂為研究對(duì)象,以神經(jīng)網(wǎng)絡(luò)和軟測(cè)量技術(shù)為理論基礎(chǔ),設(shè)計(jì)了一種酚醛樹脂純度的軟測(cè)量模型。首先,介紹并分析了酚醛樹脂生產(chǎn)工藝,結(jié)合現(xiàn)場(chǎng)工藝人員的實(shí)際經(jīng)驗(yàn),確定出影響成品純度的14個(gè)可測(cè)變量,并進(jìn)行樣本數(shù)據(jù)的采集和預(yù)處理。其次,對(duì)處理后的樣本數(shù)據(jù)進(jìn)行主成分分析,將原本與酚醛樹脂成品純度相關(guān)的14個(gè)變量,轉(zhuǎn)換為可完全代表原始數(shù)據(jù)所有信息的7個(gè)主成分變量,實(shí)現(xiàn)了對(duì)原始數(shù)據(jù)集的降維。然后,基于BP神經(jīng)網(wǎng)絡(luò)建立了酚醛樹脂純度軟測(cè)量模型,初步將建模方法分為全元法和要元法。選擇MATLAB軟件編寫程序,對(duì)設(shè)計(jì)好的酚醛樹脂神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練和仿真預(yù)測(cè),并通過分析對(duì)比預(yù)測(cè)結(jié)果的相對(duì)誤差等指標(biāo),得出以要元法進(jìn)行建立的預(yù)測(cè)模型性能相對(duì)更加優(yōu)秀一些。最后,采用標(biāo)準(zhǔn)差分進(jìn)化算法對(duì)BP... 

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 軟測(cè)量技術(shù)發(fā)展概述
        1.2.2 人工神經(jīng)網(wǎng)絡(luò)技術(shù)概述
    1.3 主要研究任務(wù)
    1.4 本章小結(jié)
第二章 酚醛樹脂的生產(chǎn)工藝簡(jiǎn)介及數(shù)據(jù)采集
    2.1 酚醛樹脂生產(chǎn)工藝原理
    2.2 酚醛樹脂純度的影響因素分析
    2.3 樣本數(shù)據(jù)采集
    2.4 本章小結(jié)
第三章 數(shù)據(jù)預(yù)處理及輔助變量的確定
    3.1 數(shù)據(jù)預(yù)處理
        3.1.1 誤差處理
        3.1.2 數(shù)據(jù)歸一化
    3.2 輔助變量的確定
        3.2.1 主成分分析方法簡(jiǎn)介
        3.2.2 主成分分析步驟
        3.2.3 酚醛樹脂純度的主成分分析
    3.3 本章小結(jié)
第四章 神經(jīng)網(wǎng)絡(luò)酚醛樹脂純度軟測(cè)量模型的建立
    4.1 BP神經(jīng)網(wǎng)絡(luò)介紹及算法描述
        4.1.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
        4.1.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
        4.1.3 BP神經(jīng)網(wǎng)絡(luò)算法公式推導(dǎo)
    4.2 酚醛樹脂純度軟測(cè)量建模路線
    4.3 酚醛樹脂純度軟測(cè)量建模軟件分析
    4.4 酚醛樹脂純度軟測(cè)量模型結(jié)構(gòu)設(shè)計(jì)
    4.5 BP神經(jīng)網(wǎng)絡(luò)程序的實(shí)現(xiàn)
        4.5.1 網(wǎng)絡(luò)的構(gòu)建和訓(xùn)練
        4.5.2 BP神經(jīng)網(wǎng)絡(luò)的仿真和預(yù)測(cè)
    4.6 本章小結(jié)
第五章 預(yù)測(cè)結(jié)果分析及神經(jīng)網(wǎng)絡(luò)算法的優(yōu)化
    5.1 全元法與要元法模型預(yù)測(cè)結(jié)果的分析與對(duì)比
        5.1.1 全元法與要元法預(yù)測(cè)結(jié)果分析
        5.1.2 預(yù)測(cè)結(jié)果的對(duì)比
    5.2 基于標(biāo)準(zhǔn)差分進(jìn)化算法的預(yù)測(cè)模型優(yōu)化
        5.2.1 標(biāo)準(zhǔn)差分進(jìn)化算法描述
        5.2.2 DE算法參數(shù)設(shè)置及特點(diǎn)分析
        5.2.3 基于差分進(jìn)化優(yōu)化的BP網(wǎng)絡(luò)預(yù)測(cè)模型
    5.3 酚醛樹脂純度軟測(cè)量模型優(yōu)化效果分析
    5.4 軟測(cè)量模型的校正
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的論文
作者及導(dǎo)師簡(jiǎn)介
附件


【參考文獻(xiàn)】：
期刊論文
[1]人工智能的發(fā)展應(yīng)用與思考[J]. 王司愷.  電子世界. 2018(02)
[2]基于聚粒子群算法的神經(jīng)網(wǎng)絡(luò)權(quán)值優(yōu)化方法[J]. 鄧文杰.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(10)
[3]一種改善BP神經(jīng)網(wǎng)絡(luò)性能的方法研究[J]. 高宇航.  微型機(jī)與應(yīng)用. 2017(06)
[4]一種融合AutoEncoder與CNN的混合算法用于圖像特征提取[J]. 劉興旺,王江晴,徐科.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[5]一種針對(duì)區(qū)間型數(shù)據(jù)的新主成分分析法[J]. 侯自盼,李生剛.  紡織高�；A(chǔ)科學(xué)學(xué)報(bào). 2016(02)
[6]基于最優(yōu)高斯隨機(jī)游走和個(gè)體篩選策略的差分進(jìn)化算法[J]. 李牧東,趙輝,翁興偉,韓統(tǒng).  控制與決策. 2016(08)
[7]Copula EDA-BP混合優(yōu)化算法預(yù)測(cè)股票價(jià)格[J]. 劉潔,王麗芳,嚴(yán)莉娜.  太原科技大學(xué)學(xué)報(bào). 2014(03)
[8]一種面向最大值指標(biāo)的粗大誤差處理方法[J]. 普仕凡,韓旭,李智生,李釗.  無線電工程. 2014(05)
[9]酚醛樹脂泡沫塑料的增韌與阻燃研究進(jìn)展[J]. 王正洲,鄧燕平,隋孝禹.  中國塑料. 2014(03)
[10]早期化學(xué)知識(shí)生產(chǎn)方式及其特點(diǎn)[J]. 王亞瓊.  金田. 2014(03)

博士論文
[1]酚醛樹脂的接枝改性研究[D]. 劉洋.東北大學(xué) 2013

碩士論文
[1]低游離酚、醛含量酚醛樹脂合成及其用尿素改性的研究[D]. 王健.長(zhǎng)安大學(xué) 2015
[2]環(huán)氧改性酚醛樹脂的研究[D]. 曾莉.武漢工程大學(xué) 2015
[3]基于遺傳-BP神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字的識(shí)別方法[D]. 張魁.西安科技大學(xué) 2012
[4]基于K均值聚類和BP神經(jīng)網(wǎng)絡(luò)的耐火材料損傷模式識(shí)別[D]. 李希.武漢科技大學(xué) 2012
[5]鑄造用粘合劑酚醛樹脂環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)的研究[D]. 余心固.大連海事大學(xué) 2012
[6]耐高溫酚醛模塑料的制備及熱性能研究[D]. 朱葉剛.浙江大學(xué) 2011



本文編號(hào)：3670173