| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·引言 | 第9-10页 |
| ·本文研究的工程背景 | 第10-12页 |
| ·软测量技术概述 | 第12-15页 |
| ·本文的主要内容和安排 | 第15-16页 |
| 第2章 辅助变量选择和数据预处理 | 第16-22页 |
| ·水煤浆气化炉炉膛温度数学模型 | 第16页 |
| ·操作变量的选择和数据采集 | 第16-17页 |
| ·基于相关系数法的辅助变量筛选 | 第17-19页 |
| ·结合机理分析的辅助变量确选 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第3章 基于数据驱动的气化炉炉温智能软测量建模 | 第22-41页 |
| ·基于最小二乘多元线性回归的炉膛温度软测量建模 | 第22-25页 |
| ·最小二乘多元线性回归方法 | 第22页 |
| ·基于最小二乘多元线性回归的炉膛温度软测量方法 | 第22-25页 |
| ·基于LS-SVM回归的炉膛温度软测量建模 | 第25-29页 |
| ·最小二乘支持向量机(LS-SVM)回归方法 | 第25-26页 |
| ·基于LS-SVM回归的炉膛温度软测量方法 | 第26-29页 |
| ·基于PCA和BP神经网络的炉膛温度软测量建模 | 第29-40页 |
| ·主成分分析(PCA) | 第29-32页 |
| ·BP神经网络拓扑结构的确定 | 第32-36页 |
| ·基于PCA和BP神经网络的炉膛温度软测量方法 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于规则—FCM聚类的多模型气化炉炉温智能软测量建模 | 第41-51页 |
| ·基于FCM聚类的多模型建模方法 | 第41-45页 |
| ·模糊C均值(FCM)聚类分析 | 第41-43页 |
| ·基于FCM聚类的多模型建模方法 | 第43-45页 |
| ·基于规则—FCM聚类的多模型气化炉炉膛温度软测量方法 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 水煤浆气化炉多路氧煤比均衡协调策略及实现 | 第51-61页 |
| ·气化炉多路氧煤比均衡协调策略 | 第51-55页 |
| ·现有氧煤比控制组态中存在的问题 | 第51-52页 |
| ·氧煤比值自动跟踪解决方案 | 第52-53页 |
| ·氧煤比协调策略 | 第53-55页 |
| ·多路氧煤比均衡协调策略 | 第55页 |
| ·气化炉多路氧煤比均衡协调实现 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-62页 |
| ·本文研究工作总结 | 第61页 |
| ·研究工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67页 |
| 一、论文 | 第67页 |
| 二、国家发明专利与计算机软件著作权 | 第67页 |
| 三、参加的项目 | 第67页 |