| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状及发展动态 | 第10-15页 |
| 1.2.1 燃烧优化技术分类 | 第10-11页 |
| 1.2.2 国内外燃烧优化商业软件 | 第11-12页 |
| 1.2.3 建模方法研究现状 | 第12-15页 |
| 1.3 本文主要内容 | 第15-16页 |
| 第2章 自适应模糊算法 | 第16-21页 |
| 2.1 常用的建模方法 | 第16-17页 |
| 2.1.1 神经网络 | 第16页 |
| 2.1.2 支持向量机 | 第16-17页 |
| 2.2 自适应模糊算法的基本原理 | 第17-19页 |
| 2.3 ε-模糊树算法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 PLS-ε-FT模型在电站锅炉燃烧系统的应用 | 第21-29页 |
| 3.1 变量选择 | 第21-24页 |
| 3.1.1 偏最小二乘的基本原理 | 第21-22页 |
| 3.1.2 变量投影重要性指标 | 第22-23页 |
| 3.1.3 变量选择的实例验证 | 第23-24页 |
| 3.2 基于PLS-ε-FT的燃烧系统建模 | 第24-28页 |
| 3.2.1 研究对象与试验数据 | 第24页 |
| 3.2.2 变量的VIP提取 | 第24-25页 |
| 3.2.3 燃烧系统模型结构 | 第25页 |
| 3.2.4 燃烧系统建模 | 第25-27页 |
| 3.2.5 模型对比 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 自适应模糊算法的鲁棒性研究及在燃烧系统建模的应用 | 第29-39页 |
| 4.1 模糊树鲁棒性算法研究 | 第29-31页 |
| 4.1.1 基于局部异常因子的加权最小二乘法 | 第29-31页 |
| 4.1.2 W-FT原理及算法 | 第31页 |
| 4.2 W-FT算法鲁棒性验证 | 第31-36页 |
| 4.2.1 算例一 | 第32-34页 |
| 4.2.2 算例二 | 第34-36页 |
| 4.3 基于W-FT的锅炉燃烧系统建模 | 第36-38页 |
| 4.3.1 燃烧系统模型的构建 | 第36页 |
| 4.3.2 燃烧系统模型的建模仿真 | 第36-38页 |
| 4.3.3 模型对比 | 第38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 电站锅炉燃烧系统的优化控制 | 第39-45页 |
| 5.1 锅炉燃烧优化算法研究 | 第39-41页 |
| 5.1.1 果蝇优化算法 | 第39-40页 |
| 5.1.2 果蝇优化算法的改进 | 第40-41页 |
| 5.2 电站锅炉燃烧优化系统构建 | 第41-42页 |
| 5.2.1 燃烧优化系统结构 | 第41页 |
| 5.2.2 燃烧优化策略 | 第41-42页 |
| 5.2.3 燃烧优化约束条件 | 第42页 |
| 5.3 燃烧优化系统仿真 | 第42-44页 |
| 5.4 本章小结 | 第44-45页 |
| 第6章 结论与展望 | 第45-47页 |
| 6.1 结论 | 第45-46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第51-52页 |
| 致谢 | 第52页 |