| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-17页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·课题研究背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·常用高温火焰温度测量方法国内外研究现状 | 第12-13页 |
| ·燃煤锅炉 NO_x生成量的诊断 | 第13-14页 |
| ·主要研究内容 | 第14-15页 |
| ·本文的技术路线 | 第15-17页 |
| 2 氮氧化物排放量影响参数的确定 | 第17-25页 |
| ·燃烧过程中氮氧化物生成机理 | 第17-19页 |
| ·锅炉主要运行参数对 NO_x排放的影响及参数确定 | 第19-22页 |
| ·影响NO_x排放的参数确定 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 3 基于图像测温法的炉膛温度的计算 | 第25-41页 |
| ·图像获取 | 第25页 |
| ·图像预处理 | 第25-29页 |
| ·炉膛火焰温度计算 | 第29-35页 |
| ·全炉膛火焰辐射理想模型 | 第29-32页 |
| ·温度场测量的基本原理 | 第32-35页 |
| ·温度场重建的计算机实现 | 第35-37页 |
| ·燃烧区域选择 | 第35页 |
| ·温度趋势图 | 第35-36页 |
| ·图像的伪彩色处理 | 第36-37页 |
| ·误差分析 | 第37-38页 |
| ·本章小结 | 第38-41页 |
| 4 基于贝叶斯正则化的 BP神经网络的NO_x排放量预测 | 第41-63页 |
| ·基于主成分分析的数据预处理 | 第41-48页 |
| ·主成分分析模型 | 第41-42页 |
| ·主成分分析模型的建立 | 第42-43页 |
| ·主成分计算流程 | 第43-44页 |
| ·主成分分析计算 | 第44-47页 |
| ·结果分析 | 第47-48页 |
| ·基于贝叶斯正则化的BP神经网络方法对 NO_x排放量的预测 | 第48-57页 |
| ·神经网络的有关理论介绍 | 第48-49页 |
| ·BP神经网络的算法原理与训练步骤 | 第49-51页 |
| ·BP神经网络的缺陷及改进算法 | 第51-53页 |
| ·基于贝叶斯正则化方法 BP神经网络的训练与预测 | 第53-57页 |
| ·NO_x排放量与其影响因素的灰色关联度定量分析 | 第57-60页 |
| ·灰色关联度的原理 | 第57-58页 |
| ·局部灰色关联度计算模型 | 第58页 |
| ·灰色关联度的计算流程 | 第58-59页 |
| ·计算结果 | 第59-60页 |
| ·结果分析 | 第60页 |
| ·本章小结 | 第60-63页 |
| 5 系统软件设计 | 第63-75页 |
| ·系统的建设目标 | 第63页 |
| ·系统的功能结构 | 第63页 |
| ·运行界面设计 | 第63-65页 |
| ·主要功能模块介绍 | 第65-73页 |
| ·图像测温模块 | 第65-68页 |
| ·NO_x排放量预测模块 | 第68-69页 |
| ·VB与 Matlab无缝接口编程 | 第69-72页 |
| ·显示绘图模块 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 6 全文总结与展望 | 第75-79页 |
| ·全文总结 | 第75-76页 |
| ·展望及今后的工作建议 | 第76-79页 |
| 参考文献 | 第79-83页 |
| 作者简历 | 第83-87页 |
| 学位论文数据集 | 第87页 |
