| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.1.1 对锅炉燃烧效率的影响 | 第11页 |
| 1.1.2 对锅炉安全性的影响 | 第11页 |
| 1.1.3 对排放物的影响 | 第11页 |
| 1.1.4 对磨煤机效率的影响 | 第11-12页 |
| 1.2 国内外研究发展现状 | 第12-17页 |
| 1.2.1 筛分法 | 第12-13页 |
| 1.2.2 光脉动法 | 第13-14页 |
| 1.2.3 超声波法 | 第14-15页 |
| 1.2.4 静电法 | 第15-16页 |
| 1.2.5 数字图像处理法 | 第16-17页 |
| 1.3 课题研究内容 | 第17-18页 |
| 第2章 软测量理论与数据采集处理 | 第18-33页 |
| 2.1 软测量理论 | 第18-20页 |
| 2.1.1 软测量基本思想 | 第18-19页 |
| 2.1.2 软测量建模方法 | 第19-20页 |
| 2.2 软测量建模分析 | 第20-21页 |
| 2.2.1 数据预处理 | 第20页 |
| 2.2.2 辅助变量的选取 | 第20-21页 |
| 2.3 制粉系统机理与特性研究 | 第21-25页 |
| 2.3.1 制粉系统分析 | 第21-23页 |
| 2.3.2 影响煤粉颗粒度的因素 | 第23-25页 |
| 2.4 煤粉颗粒度相关样本数据的采集与处理 | 第25-32页 |
| 2.4.1 样本数据的建立 | 第25-28页 |
| 2.4.2 电厂运行参数特点与估计误差的关系 | 第28-29页 |
| 2.4.3 数据标准归一化 | 第29-30页 |
| 2.4.4 数据相关性分析 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 支持向量机方法分析与模型建立 | 第33-43页 |
| 3.1 支持向量机（Support Vector Machine）原理 | 第33-40页 |
| 3.1.1 分类超平面 | 第33-34页 |
| 3.1.2 线性分类SVM | 第34-35页 |
| 3.1.3 核函数与非线性分类SVM | 第35-38页 |
| 3.1.4 回归支持向量机 | 第38-40页 |
| 3.2 核函数的选取 | 第40页 |
| 3.3 支持向量机模型的建立 | 第40-41页 |
| 3.4 需要寻优的参数 | 第41-42页 |
| 3.4.1 误差惩罚因子C | 第41-42页 |
| 3.4.2 RBF核函数的参数g | 第42页 |
| 3.4.3 不敏感系数? | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 支持向量机的参数寻优及在线软测量的实现 | 第43-60页 |
| 4.1 交叉验证（Cross Validation） | 第43页 |
| 4.2 基于网格搜索算法的参数寻优 | 第43-47页 |
| 4.2.1 网格搜索算法原理 | 第43-44页 |
| 4.2.2 基于网格搜索算法寻优的实现 | 第44页 |
| 4.2.3 基于网格搜索算法的寻优结果 | 第44-47页 |
| 4.2.4 仿真结果分析 | 第47页 |
| 4.3 基于遗传算法的参数寻优 | 第47-54页 |
| 4.3.1 遗传算法寻优原理 | 第47-48页 |
| 4.3.2 基于遗传算法寻优的实现 | 第48-49页 |
| 4.3.3 基于遗传算法的寻优结果 | 第49-53页 |
| 4.3.4 仿真结果分析 | 第53-54页 |
| 4.4 基于粒子群优化算法(PSO)的参数寻优 | 第54-57页 |
| 4.4.1 粒子群寻优算法原理 | 第54-55页 |
| 4.4.2 基于粒子群算法寻优的实现 | 第55页 |
| 4.4.3 基于粒子群算法的寻优结果 | 第55-57页 |
| 4.4.4 仿真结果分析 | 第57页 |
| 4.5 三种建模方法的比较与分析 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |