基于異構(gòu)數(shù)據(jù)融合的回轉(zhuǎn)窯熟料質(zhì)量軟測量

目錄
第1章緒論

1．1研究背景和意義

1．2工業(yè)過程中圖像處理技術(shù)研究現(xiàn)狀

1．2．1圖像預(yù)處理

1．2．2圖像分割

1．2．3圖像特征提取和選擇

1．2．4圖像模式識別

1．3不確定信息認(rèn)知對象的認(rèn)知智能模型研究現(xiàn)狀

1．3．1不確定信息認(rèn)知對象的認(rèn)知知識表征方法研究現(xiàn)狀

1．3．2不確定認(rèn)知過程與結(jié)果評價體系研究現(xiàn)狀

1．3．3不確定認(rèn)知過程的認(rèn)知智能機(jī)制研究現(xiàn)狀

1．4工業(yè)過程中軟測量技術(shù)研究現(xiàn)狀

1．4．1模型輸入維數(shù)約簡

1．4．2神經(jīng)網(wǎng)絡(luò)集成建模理論

1．4．3選擇性集成建模

1．4．4混合集成建模

1．5回轉(zhuǎn)窯燒成狀態(tài)識別研究現(xiàn)狀和存在的問題

1．6回轉(zhuǎn)窯熟料質(zhì)量指標(biāo)檢測研究現(xiàn)狀和存在的問題

第2章水泥回轉(zhuǎn)窯燒成狀態(tài)識別及熟料質(zhì)量測量問題描述

2．1水泥回轉(zhuǎn)窯燒結(jié)過程工藝描述

2．2水泥回轉(zhuǎn)窯燒成狀態(tài)特性分析及其識別現(xiàn)狀描述

2．3水泥回轉(zhuǎn)窯熟料質(zhì)量測量現(xiàn)狀描述

2．4影響水泥回轉(zhuǎn)窯熟料產(chǎn)品質(zhì)量的因素分析

2．5水泥回轉(zhuǎn)窯燒成狀態(tài)識別和熟料質(zhì)量預(yù)測的難點(diǎn)

第3章圖像處理與軟測量預(yù)備知識

3．1引言

3．2信息預(yù)處理

3．3圖像分割方法





3．3．1大津算法

3．3．2模糊C均值聚類

3．3．3基于加博小波去模糊化的聚類算法

3．3．4改進(jìn)的快速行進(jìn)法

3．3．5歸一化割準(zhǔn)則法

3．3．6多階自適應(yīng)閾值法

3．4特征提取方法

3．4．1多變量圖像分析算法

3．4．2主成分分析算法

3．4．3尺度不變特征轉(zhuǎn)換算法

3．4．4偏最小二乘算法

3．4．5神經(jīng)網(wǎng)絡(luò)偏最小二乘算法

3．4．6核偏最小二乘算法

3．5多特征融合方法

3．6模式分類器設(shè)計方法

3．6．1概率神經(jīng)網(wǎng)絡(luò)

3．6．2反向傳播神經(jīng)網(wǎng)絡(luò)

3．6．3支持向量機(jī)

3．6．4隨機(jī)向量函數(shù)功能連接網(wǎng)絡(luò)

3．7軟測量回歸器設(shè)計方法

第4章基于火焰圖像多特征的燒成狀態(tài)識別方法

4．1引言

4．2基于火焰圖像多特征的燒成狀態(tài)識別策略

4．3基于壓縮加博濾波器組的火焰圖像預(yù)處理算法

4．4基于火焰圖像感興趣區(qū)域色彩特征的燒成狀態(tài)識別算法

4．5基于火焰圖像感興趣區(qū)域全局形態(tài)特征的燒成狀態(tài)識別算法

4．6基于火焰圖像感興趣區(qū)域局部形態(tài)特征的燒成狀態(tài)識別算法

4．7基于模糊積分的火焰圖像多特征融合燒成狀態(tài)識別算法

4．8實(shí)驗驗證

4．8．1數(shù)據(jù)描述

4．8．2實(shí)驗結(jié)果與分析

第5章基于過程數(shù)據(jù)與火焰圖像融合的燒成狀態(tài)識別方法

5．1引言

5．2識別策略

5．3識別算法

5．3．1基于改進(jìn)中值濾波器的過程數(shù)據(jù)濾波預(yù)處理

5．3．2基于KPLS的過程數(shù)據(jù)燒成狀態(tài)識別模型

5．3．3基于過程數(shù)據(jù)與火焰圖像融合的燒成狀態(tài)識別模型

5．4實(shí)驗驗證

5．4．1數(shù)據(jù)描述

5．4．2實(shí)驗結(jié)果與分析

第6章面向不確定信息認(rèn)知對象的仿反饋認(rèn)知機(jī)制及其在燒成狀態(tài)識別中

的研究

6．1引言

6．2不確定信息認(rèn)知對象的仿反饋認(rèn)知智能模型結(jié)構(gòu)與機(jī)制研究

6．2．1構(gòu)建目標(biāo)

6．2．2模型結(jié)構(gòu)與功能要求

6．2．3仿反饋認(rèn)知智能系統(tǒng)設(shè)計

6．2．4智能系統(tǒng)模型及其運(yùn)行機(jī)制

6．3不確定信息認(rèn)知對象的仿反饋認(rèn)知智能計算模型研究

6．3．1基于粗糙集理論的不確定信息認(rèn)知對象模式化建模

6．3．2基于廣義誤差和廣義熵理論的不確定認(rèn)知過程與結(jié)果評價

測度指標(biāo)體系建立

6．3．3不確定認(rèn)知過程與結(jié)果評價體系建立

6．3．4認(rèn)知知識粒度調(diào)節(jié)機(jī)制研究

6．3．5不確定信息認(rèn)知對象的多層次變粒度仿反饋認(rèn)知智能算法

研究

6．4應(yīng)用研究

6．4．1脫機(jī)手寫體漢字圖像的機(jī)器認(rèn)知應(yīng)用驗證研究

6．4．2人體健康狀態(tài)評測的機(jī)器認(rèn)知應(yīng)用驗證研究

6．4．3全天候光伏發(fā)電智能跟蹤控制系統(tǒng)應(yīng)用驗證研究

6．4．4工業(yè)回轉(zhuǎn)窯燒成狀態(tài)的機(jī)器認(rèn)知應(yīng)用驗證研究

第7章基于火焰圖像與過程數(shù)據(jù)融合的回轉(zhuǎn)窯熟料質(zhì)量軟測量模型

7．1引言

7．2軟測量策略

7．3軟測量算法

7．3．1數(shù)據(jù)預(yù)處理

7．3．2火焰圖像特征提取

7．3．3軟測量模型構(gòu)建

7．4實(shí)驗驗證

7．4．1數(shù)據(jù)描述

7．4．2仿真結(jié)果

第8章基于雙層遺傳算法的異構(gòu)數(shù)據(jù)融合水泥熟料質(zhì)量選擇性集成軟測量

模型

8．1引言

8．2建模策略

8．3算法實(shí)現(xiàn)

8．3．1模型參數(shù)編碼

8．3．2模型參數(shù)解碼

8．3．3候選子模型構(gòu)造

8．3．4選擇性集成建模

8．3．5遺傳操作

8．3．6算法步驟

8．4實(shí)驗驗證

8．4．1合成數(shù)據(jù)

8．4．2低維基準(zhǔn)數(shù)據(jù)

8．4．3高維基準(zhǔn)數(shù)據(jù)

8．4．4多源異構(gòu)水泥熟料質(zhì)量數(shù)據(jù)

8．4．5總結(jié)與討論

參考文獻(xiàn)