一、中药质量预测的软测量方法研究（论文文献综述）
吴修粮[1]（2020）在《基于NNG与神经网络的铜矿浮选过程软测量建模方法研究》文中提出随着现代化社会的快速发展,工业自动化程度越来越高,工业过程中对关键变量的测量与控制的要求也越来越高。针对工业过程中某些关键变量难以测量、实时性不足、测量成本高等难题,软测量技术提供了一种以数学建模及软件编程来代替硬件传感器的方法,引起了广大学者的研究和关注。论文以某铜矿的浮选过程作为研究背景,该过程中精矿品位代表了浮选过程的产品质量和生产效率,是铜矿浮选过程的关键技术指标。然而,在实际生产中,该变量通常采用离线人工化验的方式获得,存在实时性不足、测量成本高等问题。论文系统地分析了某铜矿浮选生产工艺,研究了基于神经网络的软测量建模算法,并建立了数据驱动的铜精矿品位软测量模型。本论文的主要研究内容如下:（1）针对复杂的系统,提出了一种基于非负绞杀（Nonnegative garrote,NNG）算法和极值优化（Extremal optimization,EO）算法相结合的多层感知机（Multi-layer perceptron,MLP）的变量选择算法。首先利用现有数据集,基于MLP对复杂系统建模,得到一个训练好的MLP神经网络;其次利用NNG对训练好的MLP神经网络的输入权重进行系数压缩和变量选择。在此基础上,由EO算法执行进一步的局部变量选择,得到更加精炼的数据集,并给出最终的MLP模型。（2）利用两种不同类型的数值仿真算例,从各种不同的变量规模、样本数量以及相关性等条件下测试了算法的有效性,并与其他经典的MLP软测量算法进行了综合对比。仿真结果表明,本算法结合了NNG算法全局压缩和EO算法局部搜索的优点,无论是在算法精度还是在变量选择的准确度上均优于其他算法。（3）本文对某铜矿浮选过程的工艺流程进行了分析,包括浮选的物理化学反应机理、浮选装置和工业数据系统提供各种变量进行了研究。针对当前铜矿浮选过程中精矿品位测量存在的问题,以及该过程非线性、复杂性、变量多等特点。将所研究算法应用到铜矿浮选过程建模,实验结果表明该算法能够成功地预测铜精矿铜品位值的动态变化,同时算法所给出的变量重要性分析与实际操作经验一致,能够为过程的优化及控制系统改进提供理论及技术支撑。
朱哲熹[2]（2019）在《基于支持向量机的石脑油裂解制乙烯过程软测量建模研究》文中研究指明乙烯是化学工业重要基础产品,我国目前乙烯年产量达到1821.8万吨以上,占有国民经济中重要地位,蒸汽高温裂解法是石脑油裂解制取乙烯的主要工艺技术,世界乙烯产品的95%来源是来自蒸汽高温裂解法,是发展较完善、使用较广泛的裂解技术,乙烯裂解炉是实现这一技术的主要设备,但该方法存在能耗高、影响反应产物因素较多的缺点,需要确定最佳反应温度以提高产品收率和产品质量,因此对乙烯裂解炉运行参数进行实时测量,将有助于为寻找最优反应操作参数提供参考,及时、准确地获取石脑油裂解产物关键组分相对含量、炉管出口温度参数,是进行参数调控、产品质量优化的重要基础。而实际工业生产中采用人工采集分析方法存在分析时间滞后的问题,在线分析技术存在采购、维护成本高的缺点,因此采用基于历史数据的软测量技术能有效实现对未知数据实时预测。近年来,基于结构风险最小化原则提出的支持向量机（SVM）得到广泛应用,并发展出用于预测的支持向量回归机方法（SVR）它同传统线性机器学习方法偏最小二乘回归方法（PLS）相比,对化工过程这一高度非线性系统具有更好的学习能力,支持向量（Support Vector）和结构风险最小化（SRM）理念的应用使得SVM同另一广泛使用的非线性机器学习方法人工神经网络（ANN）相比具有良好的泛化性能和计算效率,能够及时、准确地进行模型学习和预测,具有很好的应用前景。将SVR方法应用到乙烯裂解生产过程实例中,实现乙烯裂解炉生产过程变量实时检测,应用结果表明所提出的SVR软测量方法具有优良的预测效果。主要研究内容概括如下:（1）研究软测量建模方法,从软测量技术分类、数据驱动软测量技术面临的几大问题挑战、软测量技术应用领域和几类典型软测量技术方法四个方面,综述了国内外软测量技术研究与应用情况。（2）在统计学习理论及支持向量机理论基础上,研究（ε）SVR方法,包括SVR方法的最新改进研究与应用,并建立基于参数优化的（ε）SVR软测量模型;进一步地建立一种基于移动窗技术的动态自适应支持向量回归（ADO-SVR）在线回归算法。（3）将研究建立的参数优化的SVR软测量模型应用于乙烯工厂生产实例中,对乙烯裂解炉使用历史监测数据建立软测量模型,验证所提出参数优化的SVR软测量模型的有效性。具体包括预测乙烯裂解炉产品组成以及预测乙烯裂解炉炉管各出口温度。在相同条件下,为进一步验证本文建立的软测量模型有效性,将预测结果与PLS与MLP-ANN方法进行对比,特别验证在较小学习样本情况下SVR软测量方法与其他软测量方法的预测效果,实验结果指出,本文方法在本案例研究中比PLS和MLP-ANN方法具有更好的学习能力和泛化能力,在小样本学习中优势更加明显。研究成果有效地实现了工厂实际生产中对过程变量软测量的需求,对优化工艺过程、提高企业经济效益具有重要意义。
陈威[3]（2019）在《光合细菌发酵过程的多阶段软测量建模与分析》文中指出随着我国综合实力的不断提升,资源、环境对发展的制约日趋严重,特别是赖以生存的水资源供需矛盾十分突出,全国有一半以上的城市供水不足。而我国的江河湖泊整体污染严重,地下水资源水质不断恶化,已严重危害到人们的身体健康,阻碍到我国经济与社会的发展。我国经济正全面步入新常态的新阶段,水污染的防治已然成为聚集的焦点。光合细菌有除磷、脱氮、脱硫、产氢、硫化物氧化等多种不同功能,且还能对重金属、有毒有机物等有很好的分解与转化作用,这些优异的功能特性,使得其在各种废水的处理上有着极大的价值,同时菌体本身富含多种高营养价值物质,引起了人们的重视。我国地域广,人口众多,对高品质的光合细菌的需求量极大,在实际生产发酵过程中,为了获得高产量与质量的光合细菌,需要在其发酵过程中,根据发酵进展对发酵过程进行优化控制,为菌体生长提供适宜的生长环境。然而光合细菌的发酵过程复杂多变,呈多变量、非线性特性,特别是反应发酵进展的关键变量活菌浓度难以实时在线测量,不利于对发酵过程进行实时的优化控制,影响到发酵品质的提高。基于上述问题,本课题引入软测量技术,建立一种多阶段软测量模型,对光合细菌发酵过程的活菌浓度进行预测。论文首先介绍了对光合细菌进行研究的目的及意义,同时指出在光合细菌发酵过程中,存在关键变量活菌浓度难以实时在线测量的问题。其次,对国内外的各种软测量建模方法进行了分析,总结了相应的优缺点。然后对光合细菌的发酵过程进行了分析,详述了其发酵过程的具体液态发酵工艺流程,分析了其发酵阶段特性,介绍了发酵过程参数对发酵的影响及参数的检测方法,有利于辅助变量的选择与样本数据的有效采集,为模型的建立做准备。再次,介绍了软测量技术的原理,选择最小二乘支持向量机（Least squares vector machine,LSSVM）作为基础软测量模型,并采用一种改进的蝙蝠算法（Improved bat algorithm,IBA）对LSSVM的模型参数进行寻优。在忽略光合细菌发酵过程阶段变化特性的情况下,建立了单一的全局性基于改进蝙蝠算法优化最小二乘支持向量机（IBA-LSSVM）的光合细菌发酵过程活菌浓度软测量模型,通过MATLAB仿真验证了该软测量方法相较未优化的于未优化的BA-LSSVM模型具有更好的预测精度和抗干扰能力,但是由于忽略了光合细菌的发酵特性,其预测精度仍有一定的提升空间。最后,本文利用模糊C均值聚类算法（Fuzzy c-means algorithm,FCM）对样本数据聚类分析,将发酵过程划分成三个阶段,利用IBA-LSSVM对这三个阶段分别建立对应的局部子模型,再将子模型组成融合得到最终的多阶段软测量模型,通过仿真验证,相较于单一的全局IBA-LSSVM模型,多阶段模型有着更优越的稳定性与预测性能,能够很好地解决发酵过程活菌浓度的在线检测问题。本次课题研究的基于IBA-LSSVM的光合细菌发酵多阶段软测量方法有着较高的预测精度与稳定性,对解决同类型的工业生产过程中难以直接测量的变量提供一种借鉴方法。
吕波特[4]（2018）在《超声波双频萃取软测量建模及其系统实现》文中进行了进一步梳理超声波自1830年被发现至今,在各方面上都有着很广的应用和发展潜力,尤其是与中药提取相关的领域。与其他传统的中药提取方法相比,超声波提取方法具有操作简便、耗时短、效率高、污染少等特点,是一种省时高效的提取方法。首先本文以超声波提取葛根中葛根素的提取过程作为研究对象,分析了基于超声波萃取机理的热力学特性和提取过程动力学特性,并通过分析超声提取中溶液升温对提取速率的影响,对建立的动力学模型进行温度补偿,使得模型准确性更高。其次,为解决智能优化算法（如粒子群算法、遗传算法等）在软测量模型参数寻优过程中,存在陷入局部最优解、搜索后期搜索动力不足的问题,提出一种基于自适应反向学习的BBO优化算法。同时,将初始温度作为影响模型精度的因素,对以提取时间、提取温度为辅助变量的软测量模型进行修正。最后,针对目前提取率的检测主要采用人工化验的问题,本文建立了提取率的软测量模型,并设计了基于树莓派的嵌入式检测系统,完成了提取率在线检测系统的搭建,实现对超声波葛根提取过程进行在线检测。主要研究内容如下:（1）超声波中药萃取主要依靠空化作用,本文基于能量守恒定律,对空化作用下提取过程的热力学特性进行分析,并根据Fick第一定律建立了提取率与超声作用时间、提取温度之间的超声提取动力学模型。通过将提取时溶液的初始温度对动力模型进行修正,使模型精度进一步提高。（2）分别使用不同的智能方法对葛根素提取过程进行软测量建模。针对BBO算法存在寻优后期搜索动力不足的问题,提出一种基于自适应反向学习的BBO算法,并将改进后的算法与其他方法进行比较,表明了改进算法的优越性。（3）与以往的超声波萃取工艺相比,本文将初始温度作为辅助变量,对原先的软测量模型进行修正,建立了以超声作用时间、提取初始温度、提取温度为辅助变量的葛根素提取软测量模型。与只考虑超声作用时间、提取温度作为辅助变量的软测量模型相比,进行修正后的模型,可得到更准确的结果,且适用于初始温度不同的提取情况。（4）在建立葛根素软测量模型后,搭建了基于嵌入式架构的葛根素提取率在线检测系统。本文用Python进行下位机软件的开发与调试,实现了在线实时温度数据采集、提取率计算、数据发送和结果三维显示等功能。使用Qt开发环境进行上位机软件的开发与调试,实现了软测量模型更新、数据包解析、数据存储、历史数据显示、三维坐标系显示提取效果等功能。
吕波特,陈娟,王齐,董翠英,刘博研[5]（2018）在《基于嵌入式系统的中药提取软测量方法研究》文中研究表明针对中药提取过程中软测量建模的计算机在线实现问题,将遗传算法（GA）和支持向量机（SVM）相结合,对葛根素在线提取过程进行软测量建模,并将该软测量模型固化到基于树莓派的嵌入式系统,构建了葛根素提取率的在线检测系统。该系统实现了下位机的在线实时温度数据采集、提取率计算、数据发送和结果三维显示,能完成上位机软件的软测量模型更新、数据存储、历史数据显示、数据包解析和三维坐标系显示提取效果等功能。与紫外分光光度计的离线检测方法相比较,本文方法得到平均相对误差为4.33%,具有实时性好、测量精度高、操作简便等优点。
褚亚伦[6]（2018）在《L-赖氨酸发酵过程软测量建模及监测系统研究》文中研究表明随着发酵生产L-赖氨酸的规模不断扩大,传统的人工手动调控方法已难以满足L-赖氨酸规模化、节约化生产的需求,迫切需要对发酵过程进行先进的优化,控制L-赖氨酸实际发酵过程中,为获得最佳的优化控制效果,智能控制理论和方法都对过程参量的准确性、实时性提出了更高要求,因此如何实时获取L-赖氨酸发酵过程中的过程参量是优化控制的前提和基础,已经成为L-赖氨酸规模化、节约化生产的关键。由于L-赖氨酸发酵过程内部机理复杂,动力学呈现强烈的非线性,某些关键参量（菌体浓度、基质浓度和产物浓度）难以直接在线测量。目前,这些关键参量的获取还是采用传统的离线、分析和化验的手段,导致最终获取的关键参量存在测量延时和数据误差,严重制约了L-赖氨酸生产过程的实时优化控制效果,阻遏了其产业化规模化的生产进程。针对L-赖氨酸发酵过程存在的上述问题,本文研究设计了一种基于模糊神经网络逆方法的关键参量（菌体浓度、基质浓度和产物浓度）软测量建模方法。通过研究分析L-赖氨酸发酵过程工艺机理,给出了L-赖氨酸发酵过程的简化动力学模型,对动力学模型的可逆性进行了分析,在此基础上建立了基于粒子群优化算法的模糊神经网络逆L-赖氨酸发酵过程软测量模型,实验仿真验证了该方法的有效性,能够实现L-赖氨酸发酵过程的在线实时准确预测。为将该软测量算法应用于实际L-赖氨酸发酵过程,在Visual C++集成开发环境下设计开发了L-赖氨酸发酵过程远程监测的系统软件（LY-APC）。软件基于L-赖氨酸发酵过程在线测量和离线分析数据,嵌入构建的逆软测量COM组件（模糊神经逆软测量算法）,对直接可测过程参量的远程采集、处理和关键过程参量的实时在线预测。同时,针对L-赖氨酸发酵过程过程监测系统的硬件要求,采用标准硬件模块,设计了L-赖氨酸发酵过程远程智能监测系统,操作系统移植了嵌入式实时操作系统,并设计了相关硬件电路和软件程序。最后在总结全文的基础之上,提出有待进一步研究的课题以及在未来该项技术的展望。
孙晓晋[7]（2015）在《基于软测量的中药提取过程数字化研究》文中认为进入二十一世纪,中药的生产从手工机械化逐步实现了数字化和自动化。传统的中药由于生产技术的不稳定,会造成有效成分含量低、无效物质多、产量不稳定等特点,不能和飞速发展的医学技术接轨,因此中药生产的数字化研究越来越受到各中药生产企业的重视。中药生产过程、工序复杂,包括提取、过滤、浓缩、醇沉、过滤、灭菌、干燥等工序。其中中药提取工序是中药生产的首个工序,也是保证药品质量的关键工序。本文通过对中药提取部分详细的研究,设计出适合国内制药企业的中药双罐提取数字化系统。本文所研究的中药双罐提取数字化系统,将传统的手工化中药提取生产线改造成高度智能化、数字化的提取系统。本系统的设计分为三层:现场系统层的设计、电气控制层的设计和监控层的设计,并且本系统创新性的提出了多配方式的提取控制系统,极大地改善了提取的效率。此外,本系统还引入了CIP自动清洗系统的设计,CIP清洗系统能够在不拆卸设备的基础上对生产线分段、分步清洗,节省了清洗液的使用,并且延长了设备的使用寿命。在监控系统的设计开发中,实现监控系统的监视、控制、参数设定、故障报警等功能,并且系统画面能够动态显示,经按钮等按键可以实时调用历史数据、各检测点的实时曲线和参数设置等功能。在现场测量技术的研究中,针对提取罐中料液浓度无法直接通过现有传感器检测问题,提出了一种基于最小二乘支持向量机的软测量预测模型优化方案,根据可检测的辅助变量推导出主变量,可准确估算当前料液浓度情况。
朱捷强[8]（2014）在《三七及其数字制药技术研究》文中研究表明中药产业是我国医药工业的重要组成部分。当前,我国中药制药工业的最大瓶颈问题是中成药产品质量标准不高,而解决该问题的技术关键之一就是研究发展中药生产制造过程质量控制新方法。据此,运用多学科交叉综合技术手段,建立中药制药过程分析方法学,进而创建数字制药技术体系是当今中药以及天然药物化学领域的重要研究命题。研究完成这一命题不仅具有重大的产业需求和巨大的工业应用价值,而且具有显着的学术意义。中药注射剂是我国特有的医药大品种,但受到原研时期技术水平的限制,中药注射剂产品质量一致性不高,亟待通过现代科学研究促使制药技术升级换代,大幅度提升产品质量。为此,本文选择三七注射剂生产制造过程为研究载体,将药物分析学、制药工程学、药物信息学、系统工程学等领域技术与天然药物化学相结合,创新发展中药生产制造过程质量控制方法学,其主要研究内容及创新成果如下:1.采用色谱定量指纹图谱分析研究比较190批次不同部位、不同产地和不同规格三七药材的化学成分,结果表明:三七主根与剪口药材化学成分差异显着,而不同产地药材之间以及不同规格药材之间化学成分差异不大。运用多变量数据分析并结合液质联用分析技术,筛选并辨识出丙二酰基人参皂苷Rb1、人参皂苷Rb2等12种化学成分是三七主根与剪口中主要差异成分,可望用于分析鉴别三七主根与剪口。此外,研究将多变量统计方法用于评价三七药材质量一致性。通过与主要成分含量限度评价方法及色谱指纹图谱相似度评价方法比较研究后发现,多变量统计方法可以兼具以上两者的优点,能够较好地用于评价三七药材质量一致性。2.根据中药生产制造过程的系统特性,本文提出一种基于“流”概念的过程分析方法用于辨析复杂的中药制药过程,进而研究分析三七注射剂生产制造过程的物质流,辨识出关键工艺环节是三七提取和柱层析。据此,将三七提取及柱层析单元工艺建模作为构建三七注射剂数字制药系统的重点研究工作。3.研究三七提取工艺数字制药技术方法。首先通过扩展校正用三七样本的代表性及增加三七皂苷指标性成分,提高三七药材近红外漫反射分析方法性能;然后考察提取温度、提取溶媒倍量、提取溶媒乙醇比例和颗粒粒径等工艺状态参量对三七提取液中5种皂普成分（三七皂苷R1、人参皂苷Rg1、Re、Rb1及Rd）含量的影响,并采用BP神经网络方法建立了三七提取过程神经网络模型,可用于定量提取三七有效成分;最后采用Pareto方法对三七提取工艺的状态参量进行多目标优化,研究优化结果表明:当提取溶媒倍量为7.75倍、提取时间为100 min时,达到提取过程质量控制要求且耗费较少。4.研究三七柱层析工艺数字制药技术方法。首先考察洗脱溶媒乙醇的不同比例、洗脱溶媒流速和洗脱溶媒用量对5种皂苷成分（三七皂苷R1、人参皂苷Rg1、Re、Rb1及Rd）洗脱曲线的影响,建立三七柱层析洗脱过程的预测模型;进而用该模型评价各状态参量对5种皂苷成分洗脱曲线的影响,并对洗脱工艺环节的状态参量进行多目标优化。研究结果表明:当溶媒比例为70%乙醇水、溶媒流速为0.5 BV/h、溶媒倍量为0.8个柱体积时,既能满足洗脱过程质量控制要求且生产成本较低。5.以三七注射剂生产制造为例,研究提出中药数字制药系统构建方法,并简要论述了实现中药制药过程数字化、模型化和定量化的技术路径及方法。
黄晓一[9]（2014）在《超声波中药提取过程中提取率的检测和在线显示》文中研究指明中草药进行提取的过程是十分复杂的,并且要提取其中有效成分需要经过多重步骤,工序繁复,成功提取的概率较低。关于中草药的提取率检测,目前一般都依赖于人工的方法,因此存在着各种问题,例如：工作量巨大、误差过于明显、在线测量时硬件也不能显示。为了解决这些难题,本文着重介绍了提取中药的方法,将超声波双频双向湍动提取技术应用到从葛根饮片中提取有效成分葛根异黄酮的实验当中,并且根据实验所得数据来建立中药提取率软测量模型。为了实现提取率的实时显示,要进行软测量系统硬件电路的设计,将数据采集和模型计算的工作交由嵌入了已建立好的软测量模型并且基于ARM9处理器与嵌入式Linux内核系统。首先,在中药提取的过程中,应用超声波双频双向湍动提取技术和破碎超声波技术,使常温下的溶剂萃取过程得到提速,既节能、省时,又提高了提取率。根据公式,以利用紫外分光光度计得到的测量样本吸收度推算出葛根异黄酮的提取率。然后,将实验数据进一步归一化处理,确定输入与输出变量,为了为下一步的硬件实现做好充足的准备,需要利用不同的软测量方法进行建模,然后对比性能指标,选取众多模型中最合适的。并利用该模型进行预测,分别观察温度和时间是如何影响提取率的,并进一步进行原因分析以确定超声波提取的最佳工艺。最后,采用触摸屏的ARM9,基于嵌入式Linux内核与Qt/Embedded设计整个检测系统的软件架构,通过添加内核驱动设备与Qt的多任务运行机制进行多通道数据采集,并利用Qt强大的跨平台特性设计内容丰富、操作简单的显示界面设计软测量模型,完成测温,计时,显示功能。
张庆洪[10]（2014）在《基于径向基神经网络的汽车油耗软测量及监测系统研究》文中进行了进一步梳理随着汽车工业的发展，汽车保有量的持续高增长，使得节能和环保成为汽车工业的重要课题，人们越来越关心汽车的燃油经济性能。燃油消耗量是评价燃油经济性的关键指标，快捷而准确地测量汽车的燃油消耗量成为有效、准确地评价汽车燃油经济性能的重要手段，不断改进的油耗测量方法对燃油消耗量的评价具有非常重要的影响。本文针对现有的燃油消耗量测量方法存在成本较高、结构复杂并且难以实现车载实时测量的问题，提出基于RBF径向基神经网络的汽车油耗软测量方法，并设计了相应的油耗实时监测系统，具体研究内容主要包括：（1）研究当前使用的油耗测量方法及原理，对比各种方法的优缺点；根据油耗车载实时测量的要求，提出相应的RBF径向基神经网络软测量方法。（2）分析并选取影响油耗的主要因素，设计基于RBF径向基神经网络的油耗软测量模型；为测量模型设计油耗测量试验方案，试验实测数据作为测量模型的训练样本和测试样本；结合主元分析方法改进径向基神经网络的训练速度，利用Matlab仿真并将仿真结果与油耗仪测量数据对比分析，分析上述测量方法的有效性。（3）设计车载检测部分的ARM控制及监控系统，用于油耗数据的分析处理、发送与传输，较精确地进行油耗的车载实时在线测量与监测。本文将软测量的思想方法应用于汽车燃油消耗量的测量，提出一种新的油耗测量方法即基于RBF径向基神经网络（RBFNN）的汽车油耗软测量。该方法利用容易测量的发动机运转参数来间接反映难以直接车载实时测量的油耗信息，利用径向基神经网络算法对测量模型进行非线性逼近，分析并选取影响油耗的主要因素（发动机转速、节气门开度及发动机温度）作为测量模型的输入部分，自学习建立油耗软测量模型，利用油耗实时监测系统监测车辆实时油耗，可方便车检所、交通局及运营公司进行车载油耗的实时测量及管理。
二、中药质量预测的软测量方法研究（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、中药质量预测的软测量方法研究（论文提纲范文）
（1）基于NNG与神经网络的铜矿浮选过程软测量建模方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 浮选理论及技术的发展 |
| 1.2 浮选过程中软测量技术的研究及应用 |
| 1.3 人工神经网络的发展在软测量中的应用 |
| 1.4 软测量中变量选择问题 |
| 1.5 浮选过程软测量的主要困难 |
| 1.6 本论文的研究动机与目标 |
| 1.7 本论文的主要内容 |
| 第2章 算法基础 |
| 2.1 MLP神经网络 |
| 2.2 NNG算法 |
| 2.2.1 NNG算法原理 |
| 2.2.2 过拟合与欠拟合 |
| 2.2.3 AIC准则 |
| 2.3 τ-EO算法 |
| 2.3.1 极值优化算法概述 |
| 2.3.2 τ-EO算法原理 |
| 2.4 交叉验证法 |
| 2.5 本章小结 |
| 第3章 NNGEO-MLP算法 |
| 3.1 NNG-MLP建模算法 |
| 3.2 EO算法适值函数的确定 |
| 3.3 NNGEO-MLP算法 |
| 3.4 实验结果 |
| 3.4.1数值仿真1 |
| 3.4.2数值仿真2 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第4章 NNGEO-MLP算法在铜矿浮选过程的应用 |
| 4.1 硫化铜的浮选工艺研究 |
| 4.2 铜矿浮选的分类 |
| 4.3 铜矿浮选的工作流程 |
| 4.4 铜矿浮选的可测变量 |
| 4.5 NNGEO-MLP算法在铜矿浮选中的应用 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 本研究的创新与不足 |
| 5.2.1 创新之处 |
| 5.2.2 不足之处 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
| 一、发表学术论文 |
| 二、其它科研成果 |
（2）基于支持向量机的石脑油裂解制乙烯过程软测量建模研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 软测量技术研究现状 |
| 1.2.1 软测量技术分类 |
| 1.2.2 过程工业数据的特点 |
| 1.2.3 软测量技术的应用 |
| 1.2.4 数据驱动的软测量预测方法 |
| 1.2.5 前人在本选题研究领域中的工作成果简述 |
| 1.2.6 本选题研究的主要内容和重点 |
| 第二章 支持向量机预测建模理论 |
| 2.1 统计学习理论(SLT) |
| 2.1.1 学习过程一致性理论 |
| 2.1.2 VC维理论与构造学习过程收敛的界 |
| 2.1.3 控制学习过程推广能力与结构风险最小化理论 |
| 2.2 支持向量回归建模理论 |
| 2.3 软测量预测模型一般建模过程 |
| 2.3.1 第一次数据清洗 |
| 2.3.2 状态识别 |
| 2.3.3 数据预处理过程 |
| 2.3.4 模型选择、训练和验证 |
| 2.3.5 软测量系统维护 |
| 第三章 基于支持向量回归的软测量回归预测建模方法 |
| 3.1 基于参数优化的SVR软测量模型 |
| 3.1.1 数据清洗、数据预处理和数据集分割 |
| 3.1.2 模型训练、参数优化与模型验证 |
| 3.2 基于ADO-SVR软测量模型 |
| 3.2.1 ALD条件判断 |
| 3.2.2 移动窗技术 |
| 3.2.3 ADO-SVR软测量模型 |
| 3.3 本章小结 |
| 第四章 SVR预测模型在乙烯生产过程中的应用 |
| 4.1 生产历史数据分析 |
| 4.2 乙烯裂解炉装置出口产品组成预测结果 |
| 4.2.1 基于参数优化的SVR软测量建模预测结果 |
| 4.2.2 多种软测量建模方法预测结果对比 |
| 4.3 乙烯裂解炉装置炉管出口温度预测 |
| 4.3.1 基于参数优化的SVR软测量建模预测结果 |
| 4.3.2 学习样本容量不同情况下多种软测量建模方法预测结果对比 |
| 4.4 本章小结 |
| 第五章 ADO-SVR预测模型在乙烯生产过程中的应用 |
| 5.1 移动窗口长度的选择 |
| 5.2 乙烯裂解炉装置出口产品组成与出口温度预测 |
| 5.3 乙烯裂解炉装置出口温度预测 |
| 5.4 乙烯裂解炉装置炉管外壁温度预测 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（3）光合细菌发酵过程的多阶段软测量建模与分析（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 光合细菌研究现状 |
| 1.2.2 软测量研究现状 |
| 1.3 研究内容与章节安排 |
| 第二章 光合细菌发酵过程分析 |
| 2.1 光合细菌发酵工艺 |
| 2.1.1 发酵工艺方式选择 |
| 2.1.2 发酵工艺流程分析 |
| 2.2 光合细菌发酵过程分析 |
| 2.2.1 光合细菌发酵阶段特性 |
| 2.2.2 影响菌体生长的主要因素 |
| 2.2.3 发酵参数的检测 |
| 2.3 本章小结 |
| 第三章 光合细菌发酵全局软测量建模与分析 |
| 3.1 软测量技术原理 |
| 3.2 最小二乘支持向量机 |
| 3.3 改进蝙蝠算法 |
| 3.3.1 标准蝙蝠算法 |
| 3.3.2 改进蝙蝠算法 |
| 3.4 光合细菌发酵全局软测量建模与分析 |
| 3.4.1 选取辅助变量 |
| 3.4.2 数据预处理 |
| 3.4.3 IBA-LSSVM的软测量建模 |
| 3.4.4 仿真与分析 |
| 3.5 本章小结 |
| 第四章 光合细菌发酵多阶段软测量建模与分析 |
| 4.1 光合细菌发酵过程的阶段划分 |
| 4.2 FCM算法 |
| 4.2.1 模糊划分 |
| 4.2.2 FCM算法 |
| 4.3 光合细菌发酵多阶段软测量建模与分析 |
| 4.3.1 样本数据的划分 |
| 4.3.2 模型的建立 |
| 4.3.3 仿真与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士研究生期间的学术成果 |
（4）超声波双频萃取软测量建模及其系统实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 中药提取方法研究现状 |
| 1.2.1 传统提取方法 |
| 1.2.2 超声提取方法 |
| 1.2.3 双频超声提取方法 |
| 1.3 超声萃取机理 |
| 1.3.1 传质动力学 |
| 1.3.2 传质动力学研究现状 |
| 1.4 软测量建模方法 |
| 1.4.1 基于工艺机理的软测量模型 |
| 1.4.2 基于回归分析的软测量建模 |
| 1.4.3 基于智能方法的软测量建模 |
| 1.5 本课题研究的主要内容及创新点 |
| 第二章 超声波提取实验与数据测量 |
| 2.1 实验装置简介 |
| 2.2 实验设计 |
| 2.2.1 实验材料 |
| 2.2.2 对照品溶液的制备 |
| 2.2.3 标准曲线的制备 |
| 2.3 影响超声波萃取效果的若干因素 |
| 2.3.1 超声强度和频率 |
| 2.3.2 超声作用时间 |
| 2.3.3 萃取温度 |
| 2.4 实验数据获取 |
| 2.5 本章小结 |
| 第三章 工艺机理研究 |
| 3.1 超声波热力学特性研究 |
| 3.2 超声波动力学特性研究 |
| 3.2.1 动力学模型建立 |
| 3.2.2 动力学模型的温度修正方法 |
| 3.3 实验结果分析 |
| 3.3.1 热力学特性仿真研究 |
| 3.3.2 超声波动力学特性仿真研究 |
| 3.4 本章小结 |
| 第四章 基于智能方法的软测量数学模型建立 |
| 4.1 支持向量机基本原理 |
| 4.2 基于BP的软测量建模 |
| 4.3 基于GA-SVM的软测量建模 |
| 4.4 基于BBO-SVM的软测量建模 |
| 4.4.1 迁移 |
| 4.4.2 突变 |
| 4.5 基于自适应反向学习BBO的软测量建模 |
| 4.6 基于初始温度的软测量模型修正 |
| 4.6.1 辅助变量的选择 |
| 4.6.2 软测量模型修正 |
| 4.7 仿真实验与结果分析 |
| 4.7.1 AO-BBO算法性能测试 |
| 4.7.2 不同软测量建模方法对模型精度的影响 |
| 4.7.3 模型温度补偿对软测量模型精度的影响 |
| 4.8 本章小结 |
| 第五章 在线测量系统的设计 |
| 5.1 系统总体设计 |
| 5.2 温度采集系统设计 |
| 5.2.1 温度传感器选择 |
| 5.2.2 测温硬件电路设计 |
| 5.2.3 测温软件设计 |
| 5.3 上位机软件设计 |
| 5.3.1 软件开发环境配置 |
| 5.3.2 串行通讯协议设计 |
| 5.3.3 数据存储格式 |
| 5.4 软测量系统调试与验证 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者简介 |
| 附件 |
（5）基于嵌入式系统的中药提取软测量方法研究（论文提纲范文）
| 引言 |
| 1 葛根提取过程的软测量建模 |
| 1.1 间接 (辅助) 变量选择 |
| 1.2 实验数据采集 |
| 1.3 遗传算法原理 |
| 1.4 预测模型建立 |
| 2 在线检测系统设计 |
| 2.1 硬件电路设计 |
| 2.2 软件程序设计 |
| 3 在线测量系统实验验证 |
| 4 结论 |
（6）L-赖氨酸发酵过程软测量建模及监测系统研究（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 国内外研究现状 |
| 1.2.1 L-赖氨酸发酵过程 |
| 1.2.2 发酵过程软测量方法研究现状 |
| 1.2.3 发酵过程监测系统研究现状 |
| 1.3 论文的主要研究内容 |
| 第二章 L-赖氨酸发酵过程分析 |
| 2.1 L-赖氨酸简介 |
| 2.2 L-赖氨酸生产过程 |
| 2.3 L-赖氨酸发酵过程工艺流程 |
| 2.3.1 发酵法 |
| 2.3.2 发酵液的预处理 |
| 2.3.3 L-赖氨酸的提取 |
| 2.3.4 浓缩和结晶 |
| 2.4 L-赖氨酸发酵工艺技术指标 |
| 2.5 L-赖氨酸发酵过程动力学分析 |
| 2.6 本章小结 |
| 第三章 基于FNN逆的L-赖氨酸发酵过程软测量 |
| 3.1 模糊神经网络(FNN) |
| 3.2 逆软测量 |
| 3.2.1 逆软测量原理 |
| 3.2.2 虚拟子系统 |
| 3.3 粒子群优化算法 |
| 3.4 基于PSO-FNN逆的L-赖氨酸发酵过程软测量模型构建 |
| 3.5 本章小结 |
| 第四章 L-赖氨酸发酵过程监测系统软件开发和硬件设计 |
| 4.1 LY-APC系统监测软件 |
| 4.1.1 系统初始化 |
| 4.1.2 COM组件构建 |
| 4.1.3 数据输入与远程传输 |
| 4.1.4 人机交互界面 |
| 4.1.5 其它功能 |
| 4.2 监测系统硬件 |
| 4.2.1 数据处理单元 |
| 4.2.2 数据采集通道 |
| 4.2.3 人机接口通道 |
| 4.2.4 系统软件设计 |
| 4.3 小结 |
| 第五章 工作总结与未来展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士研究生期间的学术成果 |
（7）基于软测量的中药提取过程数字化研究（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 中药生产过程数字化研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 软测量技术研究现状 |
| 1.3.1 软测量技术国外现状 |
| 1.3.2 软测量技术国内现状 |
| 1.4 本课题所研究内容及组织结构 |
| 1.4.1 本课题研究的主要内容 |
| 1.4.2 本文的组织结构 |
| 第二章 中药双罐提取数字化系统总体设计 |
| 2.1 中药提取工艺概述 |
| 2.2 中药双罐提取数字化系统硬件总体架构 |
| 2.2.1 中药双罐提取数字化控制系统现场系统层设计 |
| 2.2.2 中药双罐提取数字化控制系统电气控制层设计 |
| 2.2.3 中药双罐提取数字化控制系统监控层设计 |
| 2.3 本章小结 |
| 第三章 中药双罐提取数字化系统控制策略研究 |
| 3.1 中药双罐提取自动控制要求 |
| 3.2 中药双罐提取控制程序架构 |
| 3.3 工艺菜谱模块的设计 |
| 3.4 提取流程模块的设计 |
| 3.4.1 中药双罐提取操作流程 |
| 3.4.2 中药双罐提取控制程序设计 |
| 3.5 CIP清洗模块的设计 |
| 3.5.1 CIP清洗操作流程 |
| 3.5.2 CIP清洗控制程序设计 |
| 3.6 本章小结 |
| 第四章 中药双罐提取数字化生产监控系统开发 |
| 4.1 监控系统开发平台简介 |
| 4.2 WinCC组态软件在中药提取数字化系统上的应用 |
| 4.3 双罐提取数字化监控系统总体设计 |
| 4.3.1 双罐提取登陆界面设计 |
| 4.3.2 双罐提取主画面设计 |
| 4.3.3 双罐提取流程监控模块设计 |
| 4.3.4 智能阀门监控模块设计 |
| 4.3.5 智能仪表监控模块设计 |
| 4.4 本章小结 |
| 第五章 软测量技术在浓度监测中的研究 |
| 5.1 软测量技术的应用 |
| 5.1.1 软测量技术在中药提取中的应用背景 |
| 5.1.2 软测量基本原理 |
| 5.1.3 辅助变量选择 |
| 5.1.4 数据采集和处理 |
| 5.2 软测量建模 |
| 5.2.1 建模方法 |
| 5.2.2 辨识建模 |
| 5.2.3 最小二乘法 |
| 5.3 中药浓度软测量建模 |
| 5.3.1 最小二乘支持向量机算法 |
| 5.3.2 模型变量及数据选取 |
| 5.3.3 LS-SVM软测量建模 |
| 5.3.4 结果分析 |
| 第六章 结论 |
| 6.1 主要工作 |
| 6.2 主要创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所取得的相关科研成果 |
（8）三七及其数字制药技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国际药品质量控制技术发展综述 |
| 1.3 中药质量控制技术研究现状 |
| 1.3.1 中药制药投料药材质量分析技术 |
| 1.3.2 中药制药过程质量快速分析技术 |
| 1.3.3 中药制药过程建模技术 |
| 1.3.4 中药制药过程监控技术 |
| 1.3.5 小结 |
| 1.4 三七及其制剂研究现状 |
| 1.4.1 三七及其制剂化学物质基础研究 |
| 1.4.2 三七及其制剂药效成分研究 |
| 1.4.3 三七及其制剂质量分析方法研究 |
| 1.5 本文研究思路与内容 |
| 第2章 三七药材质量分析方法研究 |
| 2.1 前言 |
| 2.2 三七药材定量指纹图谱分析 |
| 2.2.1 实验方法 |
| 2.2.2 结果与讨论 |
| 2.3 主根与剪口化学成分比较研究 |
| 2.3.1 实验方法 |
| 2.3.2 差异成分定性分析结果 |
| 2.4 三七药材质量一致性的多变量评价方法研究 |
| 2.4.1 多变量质量评价方法 |
| 2.4.2 结果与讨论 |
| 2.5 小结 |
| 第3章 三七注射剂制造过程分析研究 |
| 3.1 前言 |
| 3.2 中药制药系统特性 |
| 3.2.1 流程性 |
| 3.2.2 整体性 |
| 3.2.3 复杂性 |
| 3.2.4 多目标性 |
| 3.3 中药制药系统变量类别 |
| 3.3.1 物质流 |
| 3.3.2 能量流 |
| 3.3.3 数据流 |
| 3.3.4 信息流 |
| 3.3.5 控制流 |
| 3.4 三七注射剂制造过程关键工艺环节辨析研究 |
| 3.4.1 制药过程各环节定量指纹图谱分析研究 |
| 3.4.2 3种非极性杂质鉴定 |
| 3.5 小结 |
| 第4章 三七提取工艺数字制药技术方法研究 |
| 4.1 前言 |
| 4.2 投料药材5种皂苷近红外分析研究 |
| 4.2.1 实验方法 |
| 4.2.2 结果与讨论 |
| 4.3 三七提取工艺模型化和定量化研究 |
| 4.3.1 提取工艺模型化研究 |
| 4.3.2 提取工艺定量化研究 |
| 4.4 三七提取工艺状态参量多目标优化研究 |
| 4.4.1 提取工艺状态参量多目标优化问题 |
| 4.4.2 提取工艺状态参量多目标优化结果与讨论 |
| 4.5 小结 |
| 第5章 三七柱层析工艺数字制药技术方法研究 |
| 5.1 前言 |
| 5.2 实验方法 |
| 5.2.1 仪器与试剂 |
| 5.2.2 制备方法 |
| 5.2.3 5种皂苷含量测定方法 |
| 5.2.4 数据处理方法 |
| 5.3 结果与讨论 |
| 5.3.1 模型性能考察 |
| 5.3.2 5种皂苷的柱层析洗脱曲线 |
| 5.3.3 洗脱溶媒乙醇比例对层析过程的影响 |
| 5.3.4 洗脱溶媒流速对层析过程的影响 |
| 5.3.5 柱层析工艺状态参量多目标优化结果与讨论 |
| 5.4 小结 |
| 第6章 中药数字制药系统设计方法研究 |
| 6.1 前言 |
| 6.2 中药制药系统面对的挑战 |
| 6.3 中药数字制药系统设计方法 |
| 6.3.1 中药制药过程数字化 |
| 6.3.2 中药制药过程模型化 |
| 6.3.3 中药制药过程定量化 |
| 第7章 总结与展望 |
| 参考文献 |
| 作者简历 |
（9）超声波中药提取过程中提取率的检测和在线显示（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究价值与目的 |
| 1.3 提炼中草药的发展情况 |
| 1.3.1 传统中药提取 |
| 1.3.2 国内与国外先进的科技 |
| 1.4 软测量建模方法 |
| 1.4.1 传统方法的基础上建立的软测量模型 |
| 1.4.2 回归分析基础上建立的软测量模型 |
| 1.4.3 基于智能方法软测量建模 |
| 1.5 支持向量机特点及研究概况 |
| 1.5.1 支持向量机特点 |
| 1.5.2 目前国内与国外探究支持向量机的具体情况 |
| 1.5.3 支持向量机硬件实现国内外研究概况 |
| 1.6 研究内容与创新 |
| 1.7 本章小结 |
| 第二章 超声波提取实验与数据测量 |
| 2.1 实验目标 |
| 2.2 具体方案 |
| 2.2.1 超声波萃取机制 |
| 2.2.2 制约超声波萃取效率的关键因素 |
| 2.2.3 本实验采用方案 |
| 2.3 实验所拥有的设备 |
| 2.4 实验数据的获取 |
| 2.5 加入破碎超声波后提取效果对照 |
| 2.6 总结 |
| 第三章 基于智能方法软测量数学模型的建立 |
| 3.1 支持向量机的工作模式 |
| 3.1.1 理论依据 |
| 3.1.2 支持向量机 |
| 3.1.3 最小二乘支持向量机(LS-SVM) |
| 3.1.4 核函数 |
| 3.1.5 参数的选取 |
| 3.2 基于BP神经网络的软测量建模 |
| 3.2.1 数据预处理 |
| 3.2.2 如何对辅助变量进行选择 |
| 3.2.3 BP神经网络的软测量如何建模 |
| 3.3 以SVM方法为基础的软测量的建模 |
| 3.3.1 标准SVM软测量建模 |
| 3.3.2 建立LS-SVM软测量模型 |
| 3.4 分析实验结果 |
| 3.4.1 对比各式模型 |
| 3.4.2 影响提取率的因素 |
| 3.4.3 建立关于向量的硬件模型以及确定其参数 |
| 3.5 本章小结 |
| 第四章 软测量系统的软硬件实现 |
| 4.1 检测系统软件架构和硬件设计 |
| 4.2 嵌入式Linux操作系统移植 |
| 4.2.1 宿主机搭建交叉编译环境 |
| 4.2.2 编译并移植vivi |
| 4.2.3 编译并移植Linux内核 |
| 4.2.4 编译并移植根文件系统 |
| 4.3 Linux设备驱动程序 |
| 4.4 嵌入式Qt移植及应用程序设计 |
| 4.4.1 Qt 移植 |
| 4.4.2 基于Qt Creator的应用程序设计 |
| 4.5 软测量在线系统软硬件测试 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 硕士研究生学位论文答辩委员会决议书 |
（10）基于径向基神经网络的汽车油耗软测量及监测系统研究（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 汽车燃油经济性评价及相关法规 |
| 1.3 国内外研究现状 |
| 1.4 本文的主要内容及结构安排 |
| 第2章 车辆油耗测量方法分析 |
| 2.1 油耗直接测量方法 |
| 2.1.1 容积法 |
| 2.1.2 质量法 |
| 2.2 油耗间接测量方法 |
| 2.2.1 碳平衡法 |
| 2.2.2 空燃比法 |
| 2.2.3 电喷测量法 |
| 2.3 现有油耗测量方法问题分析 |
| 2.4 本章小结 |
| 第3章 软测量方法研究 |
| 3.1 软测量 |
| 3.2 人工神经网络 |
| 3.2.1 人工神经网络概念 |
| 3.2.2 神经元特征函数 |
| 3.2.3 人工神经网络模型和分类 |
| 3.2.4 典型神经网络模型 |
| 3.3 本章小结 |
| 第4章 径向基神经网络油耗软测量模型的设计 |
| 4.1 影响油耗的因素分析 |
| 4.2 油耗软测量模型的建立 |
| 4.3 RBFNN 软测量模型的训练与测试 |
| 4.3.1 油耗测试系统的搭建 |
| 4.3.2 训练及测试样本数据的获取及处理 |
| 4.3.3 基于正交最小二乘法的软测量模型训练 |
| 4.3.4 软测量模型的测试 |
| 4.4 本章小结 |
| 第5章 油耗监测系统的设计 |
| 5.1 油耗监测系统硬件设计 |
| 5.1.1 控制器主板 |
| 5.1.2 GPRS 无线通信模块 |
| 5.1.3 GPS 定位模块 |
| 5.1.4 RS-232 串口 |
| 5.1.5 各个模块间数据接口设计 |
| 5.2 油耗监测系统软件设计 |
| 5.2.1 无线传输模块 AT 指令及传输方式 |
| 5.2.2 串口通讯程序部分 |
| 5.3 本章小结 |
| 总结与展望 |
| 1.论文主要的研究工作及结论 |
| 2.展望 |
| 参考文献 |
| 致谢 |
| 附录 A（攻读学位期间发表的学术论文目录） |
四、中药质量预测的软测量方法研究（论文参考文献）
- [1]基于NNG与神经网络的铜矿浮选过程软测量建模方法研究[D]. 吴修粮. 齐鲁工业大学, 2020(02)
- [2]基于支持向量机的石脑油裂解制乙烯过程软测量建模研究[D]. 朱哲熹. 北京化工大学, 2019(06)
- [3]光合细菌发酵过程的多阶段软测量建模与分析[D]. 陈威. 江苏大学, 2019(10)
- [4]超声波双频萃取软测量建模及其系统实现[D]. 吕波特. 北京化工大学, 2018(01)
- [5]基于嵌入式系统的中药提取软测量方法研究[J]. 吕波特,陈娟,王齐,董翠英,刘博研. 北京化工大学学报(自然科学版), 2018(03)
- [6]L-赖氨酸发酵过程软测量建模及监测系统研究[D]. 褚亚伦. 江苏大学, 2018(05)
- [7]基于软测量的中药提取过程数字化研究[D]. 孙晓晋. 河北工业大学, 2015(03)
- [8]三七及其数字制药技术研究[D]. 朱捷强. 浙江大学, 2014(03)
- [9]超声波中药提取过程中提取率的检测和在线显示[D]. 黄晓一. 北京化工大学, 2014(06)
- [10]基于径向基神经网络的汽车油耗软测量及监测系统研究[D]. 张庆洪. 湖南大学, 2014(04)