| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究的意义 | 第10-12页 |
| ·凝汽器污垢国内外研究现状及分析 | 第12-15页 |
| ·污垢测量的研究现状 | 第12-13页 |
| ·污垢控制的研究现状 | 第13-15页 |
| ·凝汽器除垢在线清洗的主要方法 | 第15-17页 |
| ·化学清洗 | 第15-16页 |
| ·胶球清洗 | 第16-17页 |
| ·课题研究的主要内容和目标 | 第17-18页 |
| 第二章 凝汽器污垢的生成机制及分析 | 第18-26页 |
| ·污垢的形成过程及分类 | 第18-20页 |
| ·污垢的形成过程 | 第18-19页 |
| ·污垢的分类 | 第19-20页 |
| ·污垢热阻增长的基本思路 | 第20页 |
| ·污垢的形成机制 | 第20-23页 |
| ·污垢的沉积机制 | 第21-22页 |
| ·污垢的剥蚀机制 | 第22-23页 |
| ·影响污垢形成的因素 | 第23-24页 |
| ·凝汽设备运行参数的影响 | 第23页 |
| ·流动介质性质的影响 | 第23页 |
| ·环境因素对生物污垢的影响 | 第23-24页 |
| ·凝汽器结构参数的影响 | 第24页 |
| ·其它影响因素 | 第24页 |
| ·污垢的周期性结垢特性 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于智能算法的改进型 Elman 神经网络污垢建模 | 第26-42页 |
| ·前言 | 第26页 |
| ·改进型 Elman 神经网络 | 第26-30页 |
| ·Elman 神经网络模型 | 第26-27页 |
| ·改进型 Elman 网络模型 | 第27-29页 |
| ·改进型 Elman 网络学习算法 | 第29-30页 |
| ·遗传算法 | 第30-31页 |
| ·遗传算法的原理 | 第30-31页 |
| ·遗传算法的特点 | 第31页 |
| ·粒子群优化算法 | 第31-33页 |
| ·粒子群算法的基本原理 | 第31-33页 |
| ·粒子群算法的改进 | 第33页 |
| ·组合粒子群-遗传算法及其收敛性 | 第33-35页 |
| ·基于 PSO-GA 算法的改进型 Elman 神经网络污垢模型 | 第35-41页 |
| ·基本思想 | 第36页 |
| ·算法实现步骤 | 第36-37页 |
| ·网络参数 | 第37页 |
| ·数据采集和归一化 | 第37-38页 |
| ·仿真实验 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 凝汽器污垢清洗参数的优化与控制 | 第42-52页 |
| ·清洗周期的优化 | 第42-43页 |
| ·基于改进型 Elman 神经网络的清洗液浓度预测控制 | 第43-51页 |
| ·神经网络模型预测控制 | 第44-45页 |
| ·神经网络多步预测模型 | 第45-46页 |
| ·反馈校正 | 第46页 |
| ·目标函数 | 第46-47页 |
| ·改进粒子群算法优化 | 第47-48页 |
| ·控制仿真与实验结果 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 附录 A（攻读学位期间发表的论文目录） | 第60-61页 |
| 附录 B（攻读硕士学位期间参与的科研项目） | 第61-62页 |
| 详细摘要 | 第62-70页 |
