首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

大型锅炉燃烧系统的支持向量机建模方法的研究

摘要第6-7页
Abstract第7页
第1章 绪论第10-15页
    1.1 课题研究背景及意义第10-14页
        1.1.1 引言第10-11页
        1.1.2 大型锅炉运行现状第11-12页
        1.1.3 锅炉燃烧系统建模研究现状第12-14页
    1.2 论文主要工作第14-15页
第2章 大型锅炉燃烧系统第15-20页
    2.1 锅炉工作过程第15页
    2.2 锅炉结构第15-17页
    2.3 锅炉燃烧过程介绍第17-19页
        2.3.1 煤粉燃烧过程第17页
        2.3.2 过量空气系数第17-18页
        2.3.3 分级燃烧第18-19页
    2.4 本章小结第19-20页
第3章 支持向量机和核心向量机建模方法研究第20-29页
    3.1 引言第20页
    3.2 统计学理论第20-23页
        3.2.1 机器学习第20-22页
        3.2.2 经验风险最小化第22页
        3.2.3 结构风险最小化第22-23页
    3.3 支持向量机第23-25页
    3.4 核函数第25页
    3.5 核心向量机第25-28页
    3.6 本章小结第28-29页
第4章 粒子群优化算法的研究第29-35页
    4.1 引言第29页
    4.2 基本粒子群优化算法第29-31页
    4.3 一种改进的粒子群优化算法第31-34页
        4.3.1 惯性权重的动态调整第31页
        4.3.2 二阶振荡粒子第31-32页
        4.3.3 斥力因子第32-33页
        4.3.4 算法性能测试第33-34页
    4.4 本章小结第34-35页
第5章 大型锅炉燃烧系统建模第35-47页
    5.1 引言第35页
    5.2 锅炉NO_x排放影响因素第35-36页
    5.3 模型结构第36-39页
    5.4 实验设计第39-46页
        5.4.1 建模步骤第39页
        5.4.2 模型评价指标第39-40页
        5.4.3 模型参数优化第40-42页
        5.4.4 实验仿真第42-44页
        5.4.5 模型性能对比第44-46页
    5.5 本章小结第46-47页
第6章 总结与展望第47-49页
    6.1 主要研究内容和创新点第47-48页
    6.2 未来研究展望第48-49页
参考文献第49-52页
攻读硕士学位期间发表的论文和其他成果第52-53页
致谢第53页

论文共53页,点击 下载论文
上一篇:儿童爬行运动特征分析及功能异常评估研究
下一篇:激光通信大口径地面站伺服控制研究