基于神经网络的酚醛树脂纯度软测量方法研究
发布时间：2022-08-06 18:48
酚醛树脂作为一种常见的化工原料,其成品中游离酚含量是检验其纯度的重要指标之一,随着酚醛树脂的应用愈加广泛,对其纯度的要求也越来越高。由于影响酚醛树脂合成过程的变量因素众多,最终成品的质量难以得到保证,且目前为止没有固定方法可对其纯度进行测量,因此使用计算机技术对酚醛树脂纯度的预测具有重要的实际意义。基于这一问题,本文以某工厂生产的酚醛树脂为研究对象,以神经网络和软测量技术为理论基础,设计了一种酚醛树脂纯度的软测量模型。首先,介绍并分析了酚醛树脂生产工艺,结合现场工艺人员的实际经验,确定出影响成品纯度的14个可测变量,并进行样本数据的采集和预处理。其次,对处理后的样本数据进行主成分分析,将原本与酚醛树脂成品纯度相关的14个变量,转换为可完全代表原始数据所有信息的7个主成分变量,实现了对原始数据集的降维。然后,基于BP神经网络建立了酚醛树脂纯度软测量模型,初步将建模方法分为全元法和要元法。选择MATLAB软件编写程序,对设计好的酚醛树脂神经网络结构进行训练和仿真预测,并通过分析对比预测结果的相对误差等指标,得出以要元法进行建立的预测模型性能相对更加优秀一些。最后,采用标准差分进化算法对BP...
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景与研究意义
1.2 国内外研究现状
1.2.1 软测量技术发展概述
1.2.2 人工神经网络技术概述
1.3 主要研究任务
1.4 本章小结
第二章 酚醛树脂的生产工艺简介及数据采集
2.1 酚醛树脂生产工艺原理
2.2 酚醛树脂纯度的影响因素分析
2.3 样本数据采集
2.4 本章小结
第三章 数据预处理及辅助变量的确定
3.1 数据预处理
3.1.1 误差处理
3.1.2 数据归一化
3.2 辅助变量的确定
3.2.1 主成分分析方法简介
3.2.2 主成分分析步骤
3.2.3 酚醛树脂纯度的主成分分析
3.3 本章小结
第四章 神经网络酚醛树脂纯度软测量模型的建立
4.1 BP神经网络介绍及算法描述
4.1.1 神经网络学习方法
4.1.2 BP神经网络的训练过程
4.1.3 BP神经网络算法公式推导
4.2 酚醛树脂纯度软测量建模路线
4.3 酚醛树脂纯度软测量建模软件分析
4.4 酚醛树脂纯度软测量模型结构设计
4.5 BP神经网络程序的实现
4.5.1 网络的构建和训练
4.5.2 BP神经网络的仿真和预测
4.6 本章小结
第五章 预测结果分析及神经网络算法的优化
5.1 全元法与要元法模型预测结果的分析与对比
5.1.1 全元法与要元法预测结果分析
5.1.2 预测结果的对比
5.2 基于标准差分进化算法的预测模型优化
5.2.1 标准差分进化算法描述
5.2.2 DE算法参数设置及特点分析
5.2.3 基于差分进化优化的BP网络预测模型
5.3 酚醛树脂纯度软测量模型优化效果分析
5.4 软测量模型的校正
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
研究成果及发表的论文
作者及导师简介
附件
【参考文献】：
期刊论文
[1]人工智能的发展应用与思考[J]. 王司恺. 电子世界. 2018(02)
[2]基于聚粒子群算法的神经网络权值优化方法[J]. 邓文杰. 计算机技术与发展. 2017(10)
[3]一种改善BP神经网络性能的方法研究[J]. 高宇航. 微型机与应用. 2017(06)
[4]一种融合AutoEncoder与CNN的混合算法用于图像特征提取[J]. 刘兴旺,王江晴,徐科. 计算机应用研究. 2017(12)
[5]一种针对区间型数据的新主成分分析法[J]. 侯自盼,李生刚. 纺织高校基础科学学报. 2016(02)
[6]基于最优高斯随机游走和个体筛选策略的差分进化算法[J]. 李牧东,赵辉,翁兴伟,韩统. 控制与决策. 2016(08)
[7]Copula EDA-BP混合优化算法预测股票价格[J]. 刘洁,王丽芳,严莉娜. 太原科技大学学报. 2014(03)
[8]一种面向最大值指标的粗大误差处理方法[J]. 普仕凡,韩旭,李智生,李钊. 无线电工程. 2014(05)
[9]酚醛树脂泡沫塑料的增韧与阻燃研究进展[J]. 王正洲,邓燕平,隋孝禹. 中国塑料. 2014(03)
[10]早期化学知识生产方式及其特点[J]. 王亚琼. 金田. 2014(03)
博士论文
[1]酚醛树脂的接枝改性研究[D]. 刘洋.东北大学 2013
硕士论文
[1]低游离酚、醛含量酚醛树脂合成及其用尿素改性的研究[D]. 王健.长安大学 2015
[2]环氧改性酚醛树脂的研究[D]. 曾莉.武汉工程大学 2015
[3]基于遗传-BP神经网络的手写数字的识别方法[D]. 张魁.西安科技大学 2012
[4]基于K均值聚类和BP神经网络的耐火材料损伤模式识别[D]. 李希.武汉科技大学 2012
[5]铸造用粘合剂酚醛树脂环境风险评价的研究[D]. 余心固.大连海事大学 2012
[6]耐高温酚醛模塑料的制备及热性能研究[D]. 朱叶刚.浙江大学 2011
本文编号：3670173
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景与研究意义
1.2 国内外研究现状
1.2.1 软测量技术发展概述
1.2.2 人工神经网络技术概述
1.3 主要研究任务
1.4 本章小结
第二章 酚醛树脂的生产工艺简介及数据采集
2.1 酚醛树脂生产工艺原理
2.2 酚醛树脂纯度的影响因素分析
2.3 样本数据采集
2.4 本章小结
第三章 数据预处理及辅助变量的确定
3.1 数据预处理
3.1.1 误差处理
3.1.2 数据归一化
3.2 辅助变量的确定
3.2.1 主成分分析方法简介
3.2.2 主成分分析步骤
3.2.3 酚醛树脂纯度的主成分分析
3.3 本章小结
第四章 神经网络酚醛树脂纯度软测量模型的建立
4.1 BP神经网络介绍及算法描述
4.1.1 神经网络学习方法
4.1.2 BP神经网络的训练过程
4.1.3 BP神经网络算法公式推导
4.2 酚醛树脂纯度软测量建模路线
4.3 酚醛树脂纯度软测量建模软件分析
4.4 酚醛树脂纯度软测量模型结构设计
4.5 BP神经网络程序的实现
4.5.1 网络的构建和训练
4.5.2 BP神经网络的仿真和预测
4.6 本章小结
第五章 预测结果分析及神经网络算法的优化
5.1 全元法与要元法模型预测结果的分析与对比
5.1.1 全元法与要元法预测结果分析
5.1.2 预测结果的对比
5.2 基于标准差分进化算法的预测模型优化
5.2.1 标准差分进化算法描述
5.2.2 DE算法参数设置及特点分析
5.2.3 基于差分进化优化的BP网络预测模型
5.3 酚醛树脂纯度软测量模型优化效果分析
5.4 软测量模型的校正
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
研究成果及发表的论文
作者及导师简介
附件
【参考文献】：
期刊论文
[1]人工智能的发展应用与思考[J]. 王司恺. 电子世界. 2018(02)
[2]基于聚粒子群算法的神经网络权值优化方法[J]. 邓文杰. 计算机技术与发展. 2017(10)
[3]一种改善BP神经网络性能的方法研究[J]. 高宇航. 微型机与应用. 2017(06)
[4]一种融合AutoEncoder与CNN的混合算法用于图像特征提取[J]. 刘兴旺,王江晴,徐科. 计算机应用研究. 2017(12)
[5]一种针对区间型数据的新主成分分析法[J]. 侯自盼,李生刚. 纺织高校基础科学学报. 2016(02)
[6]基于最优高斯随机游走和个体筛选策略的差分进化算法[J]. 李牧东,赵辉,翁兴伟,韩统. 控制与决策. 2016(08)
[7]Copula EDA-BP混合优化算法预测股票价格[J]. 刘洁,王丽芳,严莉娜. 太原科技大学学报. 2014(03)
[8]一种面向最大值指标的粗大误差处理方法[J]. 普仕凡,韩旭,李智生,李钊. 无线电工程. 2014(05)
[9]酚醛树脂泡沫塑料的增韧与阻燃研究进展[J]. 王正洲,邓燕平,隋孝禹. 中国塑料. 2014(03)
[10]早期化学知识生产方式及其特点[J]. 王亚琼. 金田. 2014(03)
博士论文
[1]酚醛树脂的接枝改性研究[D]. 刘洋.东北大学 2013
硕士论文
[1]低游离酚、醛含量酚醛树脂合成及其用尿素改性的研究[D]. 王健.长安大学 2015
[2]环氧改性酚醛树脂的研究[D]. 曾莉.武汉工程大学 2015
[3]基于遗传-BP神经网络的手写数字的识别方法[D]. 张魁.西安科技大学 2012
[4]基于K均值聚类和BP神经网络的耐火材料损伤模式识别[D]. 李希.武汉科技大学 2012
[5]铸造用粘合剂酚醛树脂环境风险评价的研究[D]. 余心固.大连海事大学 2012
[6]耐高温酚醛模塑料的制备及热性能研究[D]. 朱叶刚.浙江大学 2011
本文编号：3670173
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3670173.html
