火电厂汽轮机运行初压优化方法研究与应用
摘要 | 第1-7页 |
Abstract | 第7-12页 |
第1章 绪论 | 第12-26页 |
·课题研究的背景和意义 | 第12-16页 |
·汽轮机运行优化技术及研究现状 | 第16-17页 |
·支持向量机及研究现状 | 第17-20页 |
·最小二乘支持向量机及研究现状 | 第20-22页 |
·启发式算法概述 | 第22-24页 |
·论文的主要研究内容和结构安排 | 第24-26页 |
第2章 万有引力搜索算法 | 第26-50页 |
·引言 | 第26-27页 |
·引力搜索算法 | 第27-31页 |
·万有引力定律 | 第27-28页 |
·万有引力搜索算法 | 第28-30页 |
·万有引力搜索算法的执行步骤 | 第30-31页 |
·改进的万有引力搜索算法 | 第31-35页 |
·基于反向学习的种群初始化与更新 | 第31-33页 |
·基于精英策略的优化过程 | 第33页 |
·基于边界变异策略的越界处理 | 第33-34页 |
·IGSA 的详细步骤 | 第34-35页 |
·其它智能优化算法介绍 | 第35-37页 |
·基于权重的引力搜索算法 | 第35-36页 |
·人工蜂群算法 | 第36-37页 |
·仿真实验与结果分析 | 第37-48页 |
·测试函数 | 第37-38页 |
·参数设置 | 第38-39页 |
·实验结果及分析 | 第39-48页 |
·本章小结 | 第48-50页 |
第3章 自适应最小二乘支持向量回归算法 | 第50-64页 |
·引言 | 第50-51页 |
·支持向量机理论基础 | 第51-52页 |
·最小二乘支持向量机回归算法 | 第52-54页 |
·自适应最小二乘支持向量机回归算法 | 第54-63页 |
·ALSSVR 的递推算法 | 第55-58页 |
·ALSSVR 算法的流程 | 第58-60页 |
·ALSSVR 算法的数值验证 | 第60-63页 |
·本章小结 | 第63-64页 |
第4章 基于反向建模的主蒸汽流量预测 | 第64-80页 |
·引言 | 第64-65页 |
·基于弗留格尔公式的主蒸汽流量计算 | 第65-66页 |
·反向建模方法介绍 | 第66-68页 |
·反向建模的思想 | 第66页 |
·反向建模的优点 | 第66-67页 |
·反向建模的过程 | 第67-68页 |
·基于 RS-LSSVR 的主蒸汽流量预测 | 第68-77页 |
·粗糙集理论简介 | 第69-70页 |
·RS-LSSVR 模型 | 第70页 |
·基于 RS-LSSVR 的主蒸汽流量预测 | 第70-74页 |
·与其它建模算法的模型性能比较 | 第74-77页 |
·基于 ALSSVR 算法的主蒸汽流量在线预测 | 第77-79页 |
·本章小结 | 第79-80页 |
第5章 基于 IGSA-LSSVR 的热耗率预测 | 第80-95页 |
·引言 | 第80-81页 |
·试验热耗率的计算 | 第81-82页 |
·热耗率建模准备工作 | 第82-87页 |
·输入变量的选取及样本描述 | 第82-84页 |
·超参数对 LSSVR 热耗率模型的影响 | 第84-86页 |
·LSSVR 超参数的优化方法 | 第86-87页 |
·基于 IGSA-LSSVR 的热耗率预测 | 第87-93页 |
·IGSA-LSSVR 热耗率建模的整体思路 | 第87-88页 |
·适应度值的选取对模型性能的影响 | 第88-91页 |
·与其它混合建模方法的比较 | 第91-93页 |
·本章小结 | 第93-95页 |
第6章 汽轮机运行初压的优化 | 第95-106页 |
·引言 | 第95-96页 |
·最优运行初压的数学模型 | 第96-99页 |
·运行方式最优化分析 | 第96-97页 |
·可行压力区间的确定 | 第97-98页 |
·最优运行初压的计算模型 | 第98-99页 |
·最优运行初压的确定 | 第99-105页 |
·基于 ALSSVR 的热耗率在线预测 | 第99-101页 |
·基于 IGSA 的运行初压的优化 | 第101-104页 |
·与设计工况下最优初压的比较 | 第104-105页 |
·本章小结 | 第105-106页 |
结论 | 第106-108页 |
参考文献 | 第108-119页 |
攻读博士学位期间承担的科研任务与主要成果 | 第119-121页 |
致谢 | 第121-122页 |
作者简介 | 第122页 |