| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第19-40页 |
| 1.1 研究背景与思路 | 第19-24页 |
| 1.1.1 课题研究背景 | 第19-21页 |
| 1.1.2 基本研究思路 | 第21-24页 |
| 1.2 相关技术研究综述 | 第24-38页 |
| 1.2.1 炉内燃烧相关检测技术研究 | 第24-27页 |
| 1.2.2 煤质检测与煤种辨识相关技术研究 | 第27-33页 |
| 1.2.3 火焰发射光谱相关检测技术研究 | 第33-34页 |
| 1.2.4 炉内参数软测量相关技术研究 | 第34-36页 |
| 1.2.5 先进控制与过程优化相关技术研究 | 第36-38页 |
| 1.3 论文研究内容及结构组织 | 第38-40页 |
| 第2章 火焰光谱煤种检测机理研究与实验 | 第40-72页 |
| 2.1 引言 | 第40-42页 |
| 2.2 理论基础 | 第42-45页 |
| 2.2.1 原子发射光谱定量的基本原理 | 第43-44页 |
| 2.2.2 火焰辐射强度和温度测量的基本原理 | 第44-45页 |
| 2.3 密度补偿法煤种辨识机理与实验 | 第45-58页 |
| 2.3.1 实际火焰测量与煤种辨识原理 | 第45-46页 |
| 2.3.2 实验装置与实验煤种 | 第46-48页 |
| 2.3.3 实验结果与讨论 | 第48-57页 |
| 2.3.4 实验结论 | 第57-58页 |
| 2.4 密度消去法煤种辨识机理与实验 | 第58-71页 |
| 2.4.1 基本算法原理 | 第58-61页 |
| 2.4.2 实验与结果分析 | 第61-68页 |
| 2.4.3 数据学习与结果输出 | 第68-70页 |
| 2.4.4 实验结论 | 第70-71页 |
| 2.5 本章小结 | 第71-72页 |
| 第3章 光谱法煤种辨识系统开发与测试 | 第72-114页 |
| 3.1 引言 | 第72页 |
| 3.2 支持向量机方法简介 | 第72-77页 |
| 3.2.1 线性最优分类面 | 第73-74页 |
| 3.2.2 广义线性最优分类面 | 第74-76页 |
| 3.2.3 核函数 | 第76页 |
| 3.2.4 LibSVM软件 | 第76-77页 |
| 3.3 运行环境及硬件系统开发 | 第77-83页 |
| 3.3.1 系统运行环境 | 第77-78页 |
| 3.3.2 火焰检测探头 | 第78-80页 |
| 3.3.3 硬件系统结构 | 第80-83页 |
| 3.4 辨识系统软件设计与开发 | 第83-95页 |
| 3.4.1 软件功能和运行平台 | 第83-84页 |
| 3.4.2 开发工具 | 第84页 |
| 3.4.3 软件结构 | 第84-85页 |
| 3.4.4 模块设计 | 第85-95页 |
| 3.5 支持向量机辨识试验与分析 | 第95-108页 |
| 3.5.1 数据采集 | 第95-97页 |
| 3.5.2 煤种分类 | 第97-98页 |
| 3.5.3 数据预处理 | 第98-99页 |
| 3.5.4 特征量提取 | 第99-103页 |
| 3.5.5 模型训练和测试 | 第103-108页 |
| 3.6 辨识系统在线测试 | 第108-113页 |
| 3.6.1 煤种分类 | 第109页 |
| 3.6.2 模型训练与测试 | 第109-112页 |
| 3.6.3 在线煤种辨识测试 | 第112-113页 |
| 3.7 本章小结 | 第113-114页 |
| 第4章 锅炉效率在线估算与寻优控制 | 第114-143页 |
| 4.1 引言 | 第114-115页 |
| 4.2 LSSVM的原理与锅炉效率模型 | 第115-122页 |
| 4.2.1 最小二乘支持向量回归机原理 | 第116-118页 |
| 4.2.2 锅炉热效率机理模型 | 第118-122页 |
| 4.3 锅炉热效率软测量模型建立及应用测试 | 第122-131页 |
| 4.3.1 软测量模型整体方案 | 第122-124页 |
| 4.3.2 软测量模型的建立与实现 | 第124-127页 |
| 4.3.3 软测量模型的测试 | 第127-128页 |
| 4.3.4 锅炉热效率实时计算 | 第128-131页 |
| 4.4 基于T-S模糊建模的锅炉效率寻优控制 | 第131-142页 |
| 4.4.1 锅炉燃烧效率的T-S模糊模型 | 第131-136页 |
| 4.4.2 锅炉效率T-S模糊模型参数辨识 | 第136-138页 |
| 4.4.3 锅炉效率优化 | 第138-140页 |
| 4.4.4 数据仿真结果 | 第140-142页 |
| 4.5 本章小结 | 第142-143页 |
| 第5章 预测算法研究与过程优化控制 | 第143-177页 |
| 5.1 引言 | 第143-144页 |
| 5.2 基于GPC的过程优化控制方法研究 | 第144-153页 |
| 5.2.1 GPC的基本实现方法 | 第144-146页 |
| 5.2.2 常规GPC控制结构与系统仿真 | 第146-147页 |
| 5.2.3 带参考模型的GPC结构与仿真对比 | 第147-150页 |
| 5.2.4 基于扰动模型的新型GPC优化控制方法 | 第150-153页 |
| 5.3 基于PFC的过程优化控制方法研究 | 第153-171页 |
| 5.3.1 PFC的基本实现方法 | 第153-155页 |
| 5.3.2 带扰动信号的预测函数控制原理 | 第155-156页 |
| 5.3.3 基于导前扰动模型的新型PFC汽温优化控制方法 | 第156-161页 |
| 5.3.4 基于导前扰动模型的新型PFC协调优化控制方法 | 第161-171页 |
| 5.4 基于Markov参数的模型失配检测方法 | 第171-176页 |
| 5.4.1 子空间法余差模型参数辨识 | 第171-173页 |
| 5.4.2 模型失配量化指标设计 | 第173-174页 |
| 5.4.3 模型失配检测应用仿真 | 第174-176页 |
| 5.5 本章小结 | 第176-177页 |
| 第6章 系统集成应用软硬件平台开发 | 第177-185页 |
| 6.1 引言 | 第177-178页 |
| 6.2 TOP优化平台的结构设计与安全机制 | 第178-180页 |
| 6.2.1 平台系统的原理结构 | 第178-179页 |
| 6.2.2 平台系统的安全控制机制 | 第179-180页 |
| 6.3 TOP优化平台的系统集成与开发 | 第180-182页 |
| 6.4 TOP优化平台组件的应用测试 | 第182-184页 |
| 6.4.1 汽温优化控制组件的应用测试 | 第182-183页 |
| 6.4.2 协调优化控制组件的应用测试 | 第183-184页 |
| 6.5 本章小结 | 第184-185页 |
| 第7章 总结与展望 | 第185-188页 |
| 7.1 全文总结 | 第185-186页 |
| 7.2 研究展望 | 第186-188页 |
| 参考文献 | 第188-202页 |
| 攻读博士学位期间主要的研究成果 | 第202页 |