| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 国内外发展现状 | 第9-11页 |
| 1.3 火焰检测目前存在的问题 | 第11页 |
| 1.4 课题的研究内容 | 第11-13页 |
| 第2章 反映燃烧稳定性的因素分析 | 第13-21页 |
| 2.1 炉膛压力 | 第13-17页 |
| 2.1.1 产生机理 | 第13-14页 |
| 2.1.2 炉膛压力的时域分析 | 第14-17页 |
| 2.2 火检信号 | 第17-20页 |
| 2.2.1 检测原理 | 第17页 |
| 2.2.2 火检信号的时域分析 | 第17-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 BP神经网络隐层节点个数选取的新方法 | 第21-30页 |
| 3.1 BP神经网络模型 | 第21页 |
| 3.2 信号特征量的提取 | 第21-23页 |
| 3.3 神经网络隐层节点个数的确定 | 第23-29页 |
| 3.3.1 经验公式法 | 第24-25页 |
| 3.3.2 改进黄金分割法 | 第25-26页 |
| 3.3.3 建模仿真及分析 | 第26-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 粒子群算法的改进及其仿真 | 第30-42页 |
| 4.1 粒子群优化算法 | 第30-33页 |
| 4.1.1 基本原理 | 第30-31页 |
| 4.1.2 算法流程 | 第31-32页 |
| 4.1.3 参数设置 | 第32-33页 |
| 4.2 粒子群算法的改进 | 第33-34页 |
| 4.2.1 极值扰动 | 第33页 |
| 4.2.2 自适应变异概率 | 第33-34页 |
| 4.3 改进PSO-BP混合算法 | 第34-36页 |
| 4.4 数据仿真试验 | 第36-41页 |
| 4.4.1 改进PSO-BP算法与经典PSO-BP算法的比较 | 第37页 |
| 4.4.2 改进PSO-BP算法与经典BP算法的比较 | 第37-39页 |
| 4.4.3 选取不同信号特征量对训练结果的影响 | 第39-40页 |
| 4.4.4 选取火检、炉膛压力信号同时作为输入训练网络 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 总结与展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 致谢 | 第45页 |
