軟測(cè)量技術(shù)原理與應(yīng)用

前言
第1章 軟測(cè)量技術(shù)概述
1.1 軟測(cè)量技術(shù)
1.1.1 軟測(cè)量的輔助變量選擇
1.1.2 軟測(cè)量的數(shù)據(jù)選擇與處理
1.1.3 軟測(cè)量的模型辨識(shí)與驗(yàn)證
1.2 建模的目的和基本方法
1.2.1 建立數(shù)學(xué)模型的主要目的
1.2.2 建立模型的基本方法
1.3 小波分析及其應(yīng)用
1.4 多變量統(tǒng)計(jì)建模方法及其在軟測(cè)量中的應(yīng)用
1.4.1 相關(guān)分析和回歸分析
1.4.2 主元分析法
1.4.3 部分最小二乘法
1.5 建模與系統(tǒng)辨識(shí)
1.6 人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
1.7 優(yōu)化算法及其在軟測(cè)量技術(shù)中的應(yīng)用
1.8 軟測(cè)量的實(shí)施
1.9 軟測(cè)量的在線校正
第2章 小波算法用于數(shù)據(jù)處理
2.1 傅里葉變換
2.2 小波變換
2.2.1 函數(shù)空間和廣義空間
2.2.2 小波變換原理
2.2.3 傅里葉變換、加窗傅里葉變換和小波變換的比較
2.3 一維連續(xù)小波變換
2.4 高維連續(xù)小波變換
2.5 一維離散小波變換
2.5.1 離散小波變換
2.5.2 二進(jìn)制小波變換
2.6 多分辨分析
2.7 一維Mallat算法
2.8 提升小波變換
2.9 幾種常用的小波基函數(shù)
2.10 小波分析在信號(hào)處理中的應(yīng)用
2.10.1 仿真信號(hào)
2.10.2 一維連續(xù)小波分析
2.10.3 一維離散小波分析
2.10.4 用小波分析進(jìn)行信號(hào)的消噪
2.10.5 小波濾波的在線實(shí)現(xiàn)
2.10.6 用小波分析進(jìn)行信號(hào)的奇異性檢測(cè)
2.10.7 用小波分析進(jìn)行信號(hào)的壓縮
2.10.8 用小波分析進(jìn)行信號(hào)的發(fā)展趨勢(shì)識(shí)別
2.10.9 用小波分析進(jìn)行信號(hào)的抑制與衰減
2.10.10 用小波分析進(jìn)行某頻率區(qū)間信號(hào)的識(shí)別
2.10.11 用小波分析進(jìn)行信號(hào)的自相似性檢測(cè)
2 10 12 結(jié)論
2.10.13 Matlab程序
思考題與習(xí)題
第3章 多變量統(tǒng)計(jì)建模方法及其在軟測(cè)量中的應(yīng)用
3.1 相關(guān)分析
3.1.1 相關(guān)系數(shù)計(jì)算公式
3.1.2 相關(guān)系數(shù)r的特點(diǎn)
3.1.3 判斷變量間相關(guān)程度的原則
3.l.4 線性化方法
3.1.5 現(xiàn)場(chǎng)數(shù)據(jù)的處理結(jié)果
3.2 多元統(tǒng)計(jì)回歸分析
3.2.1 多元線性回歸分析
3.2.2 F檢驗(yàn)和t檢驗(yàn)
3.2.3 在非線性系統(tǒng)中的應(yīng)用
3.2.4 多元線性回歸方法的原理
3.2.5 多元線性回歸計(jì)算的主要參數(shù)
3.2.6 多元線性回歸方程的檢驗(yàn)
3.2.7 多元線性回歸法的應(yīng)用示例
3.2.8 噴射塔中S02吸收傳質(zhì)系數(shù)的軟測(cè)量
3.2.9 多元線性回歸程序說(shuō)明及源程序
3.3 多元逐步回歸方法
3.3.1 逐步回歸法的概念
3.3.2 多元逐步回歸方法計(jì)算步驟
3.3.3 逐步回歸法存在的問(wèn)題
3.3.4 應(yīng)用示例
3.3.5 逐步回歸程序說(shuō)明及源程序
3.4 主元分析法
3.4.1 概述
3.4.2 主元分析方法
3.4.3 NIPALS方法
3.4.4 主元的主要性質(zhì)
3.4.5 主元回歸方法
3.4.6 主元回歸方法程序說(shuō)明及源程序
3.4.7 多尺度主元分析
3.4.8 遞推主元分析
3.4.9 協(xié)方差矩陣的遞推求解
3.4.10 基于秩-1更新的遞推主元分析
3.4.11 更新主元個(gè)數(shù)與控制限
3.5 部分最小二乘法
3.5.1 概述
3.5.2 部分最小二乘回歸法原理
3.5.3 部分最小二乘回歸法的計(jì)算方法推導(dǎo)
3.5.4 部分最小_二乘回歸法的計(jì)算步驟
3.5.5 部分最小二乘回歸模型的檢驗(yàn)
3.5.6 部分最小二乘回歸模型的性質(zhì)
3.5.7 部分最小二乘法PLS程序說(shuō)明發(fā)源程序
3.5.8 正交信號(hào)修正的部分最小二乘法
3.5.9 應(yīng)用示例
3.5.10 PLS與PCR的比較
3.5.11 部分最小二乘遞推算法
3.6 基于Chebyshev多項(xiàng)式的部分最小_乘法
3.6.1 Chebyshev多項(xiàng)式
3.6.2 基于Chebyshev多項(xiàng)式改進(jìn)的非線性PLS方法
3.6.3 基于Chebyshev多項(xiàng)式改進(jìn)的部分最小二乘算法程序說(shuō)明及源程序
3.7 五種建模方法比較
思考題和習(xí)題
第4章 系統(tǒng)辨識(shí)及其在軟測(cè)量技術(shù)中的應(yīng)用
4.1 建立數(shù)學(xué)模型的方法
4.1.1 概述
4.1.2 辨識(shí)建模
4.2 最小二乘法
4.2.1 模型結(jié)構(gòu)
4.2.2 最小二乘格式
4.2.3 最小二乘法的解
4.3 最小二乘參數(shù)估計(jì)的遞推算法
4.4 小二乘法的遺忘因子法
4.4.1 “數(shù)據(jù)飽和”現(xiàn)象
4.4.2 最小二乘遺忘因子法的一次完成算法
4.4.3 最小二乘遺忘因子法的遞推算法
4.5 按模型階次增加的遞推算法
4.6 增廣最小二乘法
4 6 1 增廣最小二乘法的一次完成法
4.6.2 增廣最小二乘法的遞推算法
4.7 廣義最小二乘法
4.7.1 廣義最小二乘法的一次完成法
4.7.2 廣義最小二乘法的遞推算法
4.8 多步最小二乘法
4.8.1 估計(jì)權(quán)序列
4.8.2 估計(jì)模型的參數(shù)
4.8.3 噪聲模型參數(shù)的估計(jì)
4.9 各種最小二乘法的比較
4.10 傳遞函數(shù)模型辨識(shí)
4.10.1 閉環(huán)系統(tǒng)辨識(shí)方法
4.10.2 NLJ優(yōu)化算法
4.10.3 MPSEIVI方法對(duì)象模型辨識(shí)的求解過(guò)程
思考題與習(xí)題
第5章 化學(xué)反應(yīng)器的機(jī)理模型
5.1 混合理想的釜式反應(yīng)器
5.1.1 一級(jí)反應(yīng)
5.1.2 平衡反應(yīng)
5.2 混合理想的級(jí)聯(lián)反應(yīng)器系列
5.3 容量可變、混合理想的等溫釜式反應(yīng)器的動(dòng)態(tài)特性
5.4 容量可變、混合理想的等溫釜式反應(yīng)器的調(diào)節(jié)
5.5 處于絕熱狀態(tài)下的固定床催化反應(yīng)器
5.5.1 模型方程
5.5.2 靜態(tài)特性
5.5.3 動(dòng)態(tài)特性
5.5.4 信息流圖
5.5.5 穩(wěn)定條件
5.6 有冷卻的混合理想反應(yīng)器
5.7 通過(guò)調(diào)整冷卻水流量控制反麻器實(shí)例
5.8 實(shí)例
5.8.1 實(shí)例l：反應(yīng)器的溫度調(diào)節(jié)
5.8.2 實(shí)例2：丙烯水合反應(yīng)器的優(yōu)化控制
5.8.3 實(shí)例3：聚丙烯腈工序質(zhì)量指標(biāo)的軟測(cè)量技術(shù)
思考題與習(xí)題
第6章 人工神經(jīng)網(wǎng)絡(luò)理論及其在建模中的應(yīng)用
第7章 優(yōu)化算法及其在軟測(cè)量技術(shù)中的應(yīng)用
附錄A F分布值表
附錄B t分布表
參考文獻(xiàn)