电站锅炉炉膛温度场重建算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 图清单 | 第11-12页 |
| 表清单 | 第12-13页 |
| 1 绪论 | 第13-23页 |
| ·课题的背景及意义 | 第13页 |
| ·炉膛温度测量技术介绍 | 第13-16页 |
| ·接触式测温法 | 第14-15页 |
| ·非接触式测温法 | 第15-16页 |
| ·声学法炉膛测温技术介绍 | 第16-20页 |
| ·国外声学测温的发展 | 第17-19页 |
| ·国内声学测温的发展 | 第19-20页 |
| ·声学测温系统的优越性 | 第20页 |
| ·本文的创新点和主要工作内容 | 第20-23页 |
| ·本文的主要创新点 | 第20-21页 |
| ·技术路线 | 第21-22页 |
| ·本文的主要工作内容 | 第22-23页 |
| 2 声学测温原理 | 第23-31页 |
| ·声学测温原理 | 第23-28页 |
| ·声速和温度的关系 | 第26-28页 |
| ·TOF 数据的获得 | 第28-29页 |
| ·影响因素的分析 | 第29-30页 |
| ·声波测温系数的影响 | 第29页 |
| ·声波传播距离的测量误差 | 第29页 |
| ·声波传播时间的测量误差 | 第29-30页 |
| ·声音信号的选择 | 第30-31页 |
| 3 声学法二维温度场的重建 | 第31-42页 |
| ·重建算法的基本思想 | 第31页 |
| ·最小二乘法温度场重建算法 | 第31-34页 |
| ·最速下降法温度场重建算法 | 第34-37页 |
| ·共轭梯度法温度场重建算法 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 4 人工神经网络算法研究 | 第42-49页 |
| ·反向传播学习算法研究（BP 网络） | 第42-44页 |
| ·反向传播算法的性能分析 | 第44页 |
| ·径向基函数网络算法研究（RBF 网络） | 第44-46页 |
| ·径向基函数网络性能分析 | 第46页 |
| ·RBF 网络与 BP 网络的对比 | 第46-47页 |
| ·小波神经网络算法研究（ WNN 网络） | 第47页 |
| ·小波神经网络性能分析 | 第47页 |
| ·常用网络的比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于径向基函数网络温度场重建算法 | 第49-69页 |
| ·温度场重建原理 | 第49-52页 |
| ·网络模型的建立 | 第52-55页 |
| ·温度场仿真结果 | 第55-68页 |
| ·神经网络的仿真结果与误差分析 | 第57-58页 |
| ·加入误差干扰的重建结果 | 第58-63页 |
| ·各种算法温度场重建结果与比较 | 第63-67页 |
| ·各种不同传感器布置方式的重建结果比较 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 6 结论 | 第69-72页 |
| ·本论文的主要结论 | 第69页 |
| ·今后需要解决的问题 | 第69-70页 |
| ·声学测温的应用前景展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简介 | 第76页 |
