| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第10-18页 |
| 1．1 课题背景及意义 | 第10-12页 |
| 1．1．1 节能与环保 | 第10页 |
| 1．1．2 我国工业锅炉发展的现状和存在的问题 | 第10-11页 |
| 1．1．3 课题的意义 | 第11-12页 |
| 1．2 课题研究现状 | 第12-17页 |
| 1．2．1 控制NO_x排放的研究方法 | 第12-14页 |
| 1．2．2 锅炉热效率计算和优化方法 | 第14-16页 |
| 1．2．3 锅炉热力计算软件 | 第16-17页 |
| 1．3 本文的主要工作 | 第17-18页 |
| 2 BP神经网络 | 第18-26页 |
| 2．1 BP神经网络的概述 | 第18-20页 |
| 2．1．1 BP网络模型 | 第18-19页 |
| 2．1．2 BP算法实现的步骤 | 第19页 |
| 2．1．3 BP算法存在的问题及解决方法 | 第19-20页 |
| 2．2 BP算法的改进 | 第20-23页 |
| 2．2．1 BFGS算法和Levenberg-Marquardt算法 | 第20-21页 |
| 2．2．2 改善泛化能力 | 第21-23页 |
| 2．2．3 前处理和后处理 | 第23页 |
| 2．3 MATLAB神经网络工具箱和Excel Link工具箱 | 第23-25页 |
| 2．3．1 MATLAB神经网络工具箱 | 第24-25页 |
| 2．3．2 MATLAB Excel Link工具箱 | 第25页 |
| 2．4 本章小结 | 第25-26页 |
| 3 BP网络在工业锅炉NO_x排放和热效率预测中的应用 | 第26-40页 |
| 3．1 工业锅炉NO_x排放和热效率的影响因素 | 第26-28页 |
| 3．1．1 NO_x的生成机制和影响因素 | 第26-27页 |
| 3．1．2 热效率的影响因素 | 第27-28页 |
| 3．2 工业锅炉运行参数测试 | 第28-29页 |
| 3．3 工业锅炉NO_x排放和热效率的混合模型 | 第29-30页 |
| 3．4 网络训练、测试与结果分析 | 第30-36页 |
| 3．4．1 NO_x排放的网络预测 | 第30-35页 |
| 3．4．2 锅炉热效率的测算 | 第35-36页 |
| 3．5 本章小结 | 第36-40页 |
| 4 基于遗传算法的工业锅炉热效率的优化 | 第40-49页 |
| 4．1 遗传算法(Genetic Algorithm) | 第40-42页 |
| 4．1．1 遗传算法的一般结构 | 第40-41页 |
| 4．1．2 遗传算法的主要步骤和流程图 | 第41-42页 |
| 4．1．3 遗传算法的优缺点 | 第42页 |
| 4．2 优化变量和目标函数的确定 | 第42-43页 |
| 4．3 锅炉热效率的优化 | 第43-47页 |
| 4．4 本章小结 | 第47-49页 |
| 5 工业锅炉热力计算软件 | 第49-56页 |
| 5．1 锅炉热力计算方法概述 | 第49-50页 |
| 5．2 热力计算流程图 | 第50-51页 |
| 5．3 热力计算程序简介 | 第51-55页 |
| 5．3．1 程序开发的语言 | 第51页 |
| 5．3．2 主程序 | 第51页 |
| 5．3．3 子程序模块 | 第51-53页 |
| 5．3．4 数据库、数据文件和计算书 | 第53页 |
| 5．3．5 程序界面 | 第53-54页 |
| 5．3．6 辅助功能 | 第54-55页 |
| 5．4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 主要工作与结论 | 第56-57页 |
| 课题未来的展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录A BP神经网络训练和测试程序 | 第62-64页 |
| 附录B 工业锅炉热效率神经网络测算模型程序 | 第64-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |
| 大连理工大学学位论文版权使用授权书 | 第67页 |
