致谢 | 第5-7页 |
摘要 | 第7-9页 |
ABSTRACT | 第9-11页 |
1 绪论 | 第18-45页 |
1.1 研究背景及意义 | 第18-20页 |
1.2 磨煤机节能技术研究现状 | 第20-22页 |
1.3 一次风机节能研究现状 | 第22-24页 |
1.4 锅炉燃烧优化研究现状 | 第24-29页 |
1.4.1 锅炉燃烧优化建模研究现状 | 第25-28页 |
1.4.2 锅炉燃烧优化算法研究现状 | 第28-29页 |
1.5 最小二乘支持向量机概述 | 第29-39页 |
1.5.1 统计学习理论 | 第29-31页 |
1.5.2 支持向量机 | 第31-36页 |
1.5.3 最小二乘支持向量机 | 第36-37页 |
1.5.4 最小二乘支持向量机核函数 | 第37-38页 |
1.5.5 最小二乘支持向量机参数优化 | 第38-39页 |
1.6 小生境遗传算法概述 | 第39-43页 |
1.6.1 遗传算法 | 第39-41页 |
1.6.2 小生境遗传算法 | 第41-43页 |
1.7 本文主要研究内容 | 第43-45页 |
2 磨煤机出口温度优化研究 | 第45-65页 |
2.1 引言 | 第45页 |
2.2 研究对象 | 第45-48页 |
2.3 煤粉的爆炸特性 | 第48-52页 |
2.4 磨煤机安全出口温度的确定 | 第52-57页 |
2.4.1 实验方法 | 第52-53页 |
2.4.2 实验结果与讨论 | 第53-57页 |
2.5 提高中速磨煤机出口温度试验 | 第57-63页 |
2.5.1 提高磨煤机出口温度对单台磨性能的影响 | 第58-60页 |
2.5.2 提高磨煤机出口温度对锅炉性能的影响 | 第60-63页 |
2.6 本章小结 | 第63-65页 |
3 一次风压优化研究 | 第65-84页 |
3.1 引言 | 第65-68页 |
3.2 一次风压自适应控制系统的设计 | 第68-71页 |
3.2.1 自适应控制模型 | 第68-69页 |
3.2.2 磨煤机出口超温控制模型 | 第69-70页 |
3.2.3 切换机制 | 第70-71页 |
3.3 一次风压自适应控制系统软件的实现 | 第71-74页 |
3.3.1 实现手段 | 第71页 |
3.3.2 特点 | 第71-72页 |
3.3.3 功能 | 第72-74页 |
3.4 一次风压自适应控制系统的应用 | 第74-83页 |
3.4.1 应用对象 | 第74-76页 |
3.4.2 一次风压自适应控制系统模型有效性验证 | 第76-79页 |
3.4.3 一次风压自适应控制系统节能分析 | 第79-83页 |
3.5 本章小结 | 第83-84页 |
4 锅炉燃烧优化模型的建立 | 第84-100页 |
4.1 引言 | 第84页 |
4.2 锅炉的概述 | 第84-87页 |
4.3 NO_x和飞灰含碳量模型的建立过程 | 第87-93页 |
4.3.1 模型输入参数的选择 | 第87-90页 |
4.3.2 数据的采集和筛选 | 第90-92页 |
4.3.3 建模流程 | 第92-93页 |
4.4 建模结果 | 第93-99页 |
4.4.1 最小二乘支持向量机建立NO_x和飞灰含碳量模型 | 第93-96页 |
4.4.2 不同建模方法性能的比较 | 第96-99页 |
4.5 本章小结 | 第99-100页 |
5 锅炉多目标燃烧优化 | 第100-109页 |
5.1 引言 | 第100页 |
5.2 小生境遗传算法在锅炉多目标燃烧优化中的实现 | 第100-105页 |
5.2.1 预处理 | 第100-101页 |
5.2.2 参数编码 | 第101页 |
5.2.3 初始种群的生成 | 第101页 |
5.2.4 适应度函数的确定 | 第101-102页 |
5.2.5 遗传操作 | 第102-103页 |
5.2.6 基于小生境技术的淘汰与保留运算 | 第103-104页 |
5.2.7 收敛判据 | 第104页 |
5.2.8 小生境遗传算法的具体求解步骤 | 第104-105页 |
5.3 NO_x和飞灰含碳量协同优化的结果 | 第105-108页 |
5.4 本章小结 | 第108-109页 |
6 全文总结和工作展望 | 第109-113页 |
6.1 主要研究成果 | 第109-111页 |
6.2 本文的创新点 | 第111页 |
6.3 未来工作展望 | 第111-113页 |
参考文献 | 第113-125页 |
附录 | 第125-136页 |
作者简历 | 第136-137页 |