| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 物理量名称和符号表 | 第8-12页 |
| 第一章 绪论 | 第12-19页 |
| ·课题研究的背景和意义 | 第12-14页 |
| ·燃气轮机燃烧技术发展与研究概况 | 第14-18页 |
| ·扩散燃烧与预混合燃烧原理 | 第14-15页 |
| ·燃机燃烧技术研究概况 | 第15-18页 |
| ·本文研究的内容 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第二章 M701F 发电机组特点介绍 | 第19-28页 |
| ·燃机结构和联合循环布置 | 第19-21页 |
| ·压气机 | 第21页 |
| ·燃烧室 | 第21-23页 |
| ·透平及叶片的冷却技术 | 第23-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 BP 神经网络介绍及应用 | 第28-40页 |
| ·人工神经网络 | 第28-31页 |
| ·神经网络模型 | 第28-29页 |
| ·神经网络基本特征 | 第29-30页 |
| ·神经网络的特点 | 第30-31页 |
| ·BP 神经网络 | 第31-35页 |
| ·单层感知器 | 第31-32页 |
| ·多层感知器和BP 神经网络 | 第32-33页 |
| ·BP 算法 | 第33-35页 |
| ·BP 算法的优缺点 | 第35页 |
| ·人工神经网络及BP 网络应用 | 第35-39页 |
| ·应用概述 | 第35-38页 |
| ·在电力行业的应用情况 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 性能参数的BP 模型与结果 | 第40-51页 |
| ·数据采集与处理 | 第40-43页 |
| ·数据采集 | 第40-43页 |
| ·本研究BP 模型参数选择说明 | 第43页 |
| ·燃料行程基准CSO 的BP 神经网络模拟 | 第43-45页 |
| ·M701F 燃气轮机的主控系统 | 第43-44页 |
| ·CSO 神经网络模型的有效性 | 第44-45页 |
| ·透平排气温度t4 的BP 神经网络模拟 | 第45页 |
| ·燃烧室压力p3 的BP 神经网络模拟 | 第45-46页 |
| ·燃烧室空气旁路ByCSO 的BP 神经网络模拟 | 第46-47页 |
| ·M701F 燃气轮机的空气旁路控制逻辑 | 第46页 |
| ·空气旁路ByCSO 神经网络模型的有效性 | 第46-47页 |
| ·压气机IGV 基准 IGVCSO 的BP 神经网络模拟 | 第47-48页 |
| ·M701F 燃气轮机的IGV 控制逻辑 | 第47-48页 |
| ·可调导叶开度基准IGVCSO 神经网络模型的有效性 | 第48页 |
| ·天然气加热温度tg 的BP 神经网络模拟 | 第48-50页 |
| ·M701F 天然气温度控制逻辑 | 第48-49页 |
| ·燃料温度神经网络模型的有效性 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 燃烧压力脉动的BP 模型与燃烧调整 | 第51-68页 |
| ·燃烧室功能和工作过程特点 | 第51页 |
| ·M701F 燃机燃烧主控系统 | 第51-52页 |
| ·主控系统概况 | 第51页 |
| ·燃料分配、燃气压力和温度控制 | 第51-52页 |
| ·燃烧压力脉动 | 第52-54页 |
| ·脉动机理概述 | 第52-53页 |
| ·压力波动的种类和影响因素 | 第53页 |
| ·M701F 燃烧室压力波动监视（CPFM）系统 | 第53-54页 |
| ·M701F 燃气轮机燃烧脉动的神经网络模拟技术路线 | 第54-58页 |
| ·燃烧室空气旁路随负荷的变化规律 | 第58-59页 |
| ·不同负荷阶段值班燃料比例对燃烧脉动的影响 | 第59-64页 |
| ·燃烧调整 | 第64-67页 |
| ·调整方法 | 第64-65页 |
| ·调整过程示例 | 第65页 |
| ·新的值班燃料PLCSO 的计算方法 | 第65-66页 |
| ·新的旁路阀开度BYCSO 的计算方法 | 第66页 |
| ·燃烧调整在控制系统中的实现 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
