论文题目: 主成分分析与神经网络在橡胶配方优化中的运用
论文类型: 硕士论文
论文专业: 材料加工工程
作者: 聂军
导师: 辛振祥
关键词: 主成分分析,数据降维技术,人工神经网络,配方优化
文献来源: 青岛科技大学
发表年度: 2005
论文摘要: 随着工业过程的日益复杂,对于那些多变量、非线性,变量间高度偶合的复杂过程,传统的数据分析方法已远不能满足要求;而且,随着计算机技术和检测技术的迅速发展,生产过程中存在大量的冗余数据,很显然这些高度冗余的数据包含了生产运行状态以及最终产品质量等方面的信息。 高维数据包含的大量冗余给数据分析带来了困难。因此,对高维数据进行数据分析时,必须先对原始数据进行降维处理。而传统的数据处理方法却没有有效的手段提取这些有用的信息,从而造成资源的极大浪费. 目前,以多变量投影方法——主成分分析核心的多变量数据降维技术有效地解决了这些问题。然而,对于存在严重非线性的过程,PCA分析结果却不尽人意。人工神经网络作为一种有效的建模方法,具有不需要模型信息、良好的学习能力以及能任意精度地模拟非线性函数等优点,已被广泛用于生产过程。问题在于当神经网络模型输入变量维数过高,网络模型过于复杂时,往往导致网络训练精度下降,建模效果变差。 本文结合了主成分分析和人工神经网络的优点,提出一种基于PCA算法的人工神经网络模型(PCA-ANN模型)。研究表明,PCA-ANN模型通过对神经网络训练样本进行主成分分析来改进样本的输入因子数,可以消除网络输入之间数据的相关性,同时减少网络的输入数,简化网络结构,从而提高网络的学习速率及精度。 本文根据PCA-ANN模型原理,借助计算机数据处理软件MATLAB,开发出了针对橡胶配方优化设计的数据处理系统(PCA-ANN Rubber Formulation Optimization system,简称PCA-ANN RCOS)。同时以SBR橡胶配方中5种配合剂的用量对配方性能影响为例,应用PCA-ANN RCOS系统对5个变量参数进行
论文目录:
第一章 绪论
1.1 橡胶配方设计的意义
1.2 橡胶配方设计的发展
1.3 橡胶配方设计的特点
1.4 橡胶配方优化设计方法
1.4.1 单因素优化设计
1.4.2 多因素优化设计
1.4.3 数据优化方法
1.5 课题研究的目的及主要内容
1.5.1 课题研究的目的
1.5.2 课题的内容
第二章 主成分分析与神经网络
2.1 引言
2.2 主成分分析[PCA]
2.2.1 主成分分析法的概念和基本思想
2.2.2 主成分分析法的数学模型
2.2.3 主成分的几何意义
2.2.4 主成分的贡献率
2.2.5 PCA算法步骤总结
2.3 PCA分类映射图的逆映射方法
2.3.1 PCA分类映射图
2.3.2 PCA逆映射方法
2.4 人工神经网络[ANN]
2.4.1 人工神经网络的发展
2.4.2 BP神经网络
第三章 实例建模
3.1 引言
3.2 实验部分
3.3 多元回归模型
3.3.1 多元线性回归分析
3.3.2 多项式回归分析
3.3.3 小结
3.4 PCA回归模型
3.4.1 PCA回归分析
3.4.2 主成分的分类映射图
3.4.3 小结
3.5 人工神经网络模型
3.5.1 隐层数的选择
3.5.2 隐层节点的选择
3.5.3 网络训练
3.5.4 网络可性度的验证
3.5.5 小结
3.6 PCA—ANN模型
3.6.1 引言
3.6.2 PCA—ANN的思想
3.6.3 PCA—ANN分析
3.6.4 小结
第四章 PCA—ANN橡胶配方优化程序设计
4.1 程序开发环境
4.2 MATLAB简介
4.3 PCA—ANN橡胶配方优化程序的开发
4.3.1 程序的基本架构
4.3.2 数据处理模块设计及程序实现
4.4 PCA—ANN优化的步骤
第五章 PCA—ANN在SBR粘合性能研究中的运用
5.1 前言
5.2 实验安排与数据测试结果
5.3 试验结果分析
5.3.1 PCA-ANN程序数据处理过程
5.3.2 各种配合剂用量对配方性能的影响
5.4 利用PCA-ANN进行性能预报
5.5 小结
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
附录
致谢
攻读硕士期间发表的学术论文目录：
发布时间: 2005-07-27
参考文献
- [1].定子橡胶配方优化及其对性能影响[D]. 康宏强.哈尔滨工业大学2012
- [2].流程工业CIMS实施方案的研究[D]. 王兴茹.辽宁工程技术大学2004
- [3].一种环氧包覆碳酸氢钠的制备及其在橡胶配方中的应用[D]. 雷麟.湖南师范大学2016
- [4].中药注射液复方制剂制备过程中糖析出建模方法研究[D]. 朱淑荣.东北大学2015
- [5].基于深度学习的故障诊断方法研究[D]. 沈林.沈阳理工大学2018
- [6].神经网络在蜂窝纸板缓冲特性研究中的应用[D]. 汪甜甜.西安理工大学2005
- [7].基于神经网络的化工建模预测方法研究[D]. 苏兴.大连理工大学2011
- [8].胎圈钢丝涂层及橡胶配方对胎圈钢丝与橡胶黏合性能的影响[D]. 孙彬.青岛科技大学2016
相关论文
- [1].基于非线性主成分分析与神经网络的参数预测模型[D]. 邱添.四川大学2007
- [2].基于神经网络与主成分分析的组合预测研究[D]. 梁娜.武汉理工大学2007
- [3].如何有效利用主成分分析中的主成分[D]. 洪素珍.华中师范大学2008
- [4].基于主成分分析的多变量混沌时间序列预测研究[D]. 范明明.大连理工大学2006
- [5].基于主成分分析法的环境质量综合指数研究[D]. 杜敏.四川大学2006
- [6].基于主成分分析和人工神经网络的酒类辨识[D]. 郝秀全.西安理工大学2006
- [7].基于主成分分析的人工神经网络人脸识别方法的研究[D]. 李莉.中国海洋大学2004
- [8].基于主成分分析的企业物流绩效综合评价方法研究[D]. 焦玥.青岛大学2006
- [9].电力系统短期负荷预测主成分分析和人工神经网络的组合方法[D]. 苏炜宏.南京理工大学2002
- [10].基于主成分分析的综合评价研究[D]. 张鹏.南京理工大学2004