火电厂烟气污染物排放的软测量系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国内研究现状 | 第10-11页 |
| ·国外研究现状 | 第11页 |
| ·本文内容安排 | 第11-13页 |
| 第二章 软测量技术的简介 | 第13-26页 |
| ·软测量简介 | 第13页 |
| ·基于机理分析的软测量模型 | 第13页 |
| ·基于辨识建模的软测量模型 | 第13页 |
| ·神经网络简介 | 第13-20页 |
| ·生物神经网络的结构与功能 | 第14页 |
| ·人工神经网络发展简介 | 第14-15页 |
| ·人工神经元模型 | 第15-16页 |
| ·神经网络结构与工作方式 | 第16-17页 |
| ·神经网络的学习 | 第17-20页 |
| ·神经网络的特点 | 第20页 |
| ·BP神经网络模型 | 第20-22页 |
| ·BP神经网络概述 | 第20-21页 |
| ·BP网络学习算法 | 第21页 |
| ·BP神经网络优缺点 | 第21-22页 |
| ·遗传算法简介 | 第22-24页 |
| ·遗传算法的概念 | 第22-23页 |
| ·遗传算法的特点 | 第23-24页 |
| ·遗传算法在神经网络的优化 | 第24页 |
| ·遗传算法的基本操作 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第三章 火电厂二氧化硫连续排放监测系统 | 第26-32页 |
| ·烟气连续监测系统的简介 | 第26-28页 |
| ·CEMS的工作原理 | 第28-31页 |
| ·CEMS气态污染物测量系统 | 第28-29页 |
| ·颗粒物测量系统 | 第29-30页 |
| ·含氧量测量系统 | 第30页 |
| ·流速测量系统 | 第30-31页 |
| ·烟气湿度测量系统 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 火电厂SO_2排放量预测模型的建立与实现 | 第32-48页 |
| ·研究对象 | 第32-33页 |
| ·二氧化硫排放浓度的影响因素 | 第33-41页 |
| ·煤样中硫分对二氧化硫排放的影响 | 第34-35页 |
| ·锅炉负荷与给煤量对二氧化硫排放的影响 | 第35-36页 |
| ·燃烧温度与排烟温度对二氧化硫排放的影响 | 第36-38页 |
| ·含氧量与过量空气系数对二氧化硫排放的影响 | 第38-40页 |
| ·送风量与送风温度对二氧化硫排放的影响 | 第40-41页 |
| ·利用BP网络建立的软测量模型 | 第41-43页 |
| ·神经网络层数及隐层节点数目的确定 | 第41-42页 |
| ·数据的归一化预处理 | 第42-43页 |
| ·停止网络训练准则的确定 | 第43页 |
| ·BP网络软测量模型的训练 | 第43-44页 |
| ·BP网络软测量模型的结果分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 改进的BP网络软测量模型的建立与实现 | 第48-54页 |
| ·用遗传算法学习网络的权值和阈值 | 第48-51页 |
| ·目标函数的制定 | 第48页 |
| ·编码方式 | 第48-49页 |
| ·适应度定义 | 第49页 |
| ·遗传操作的设定 | 第49-51页 |
| ·优化后的软测量模型的训练与测试分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
