| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 锅炉系统优化动态分析方法 | 第10-12页 |
| 1.2.2 神经网络和遗传算法在锅炉燃烧优化中的应用现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 锅炉燃烧优化技术概述 | 第15-19页 |
| 2.1 国外的燃烧优化控制技术及其应用 | 第15-16页 |
| 2.1.1 UltraMax公司的燃烧优化技术 | 第15-16页 |
| 2.1.2 Pegasus公司的燃烧优化技术 | 第16页 |
| 2.2 国内燃烧优化控制技术的研究和应用情况 | 第16-18页 |
| 2.2.1 烟气含氧量的优化控制技术 | 第16页 |
| 2.2.2 闭环均衡燃烧控制系统 | 第16-17页 |
| 2.2.3 电站锅炉燃烧优化控制软件OCP3 | 第17-18页 |
| 2.2.4 应用中的难点分析 | 第18页 |
| 2.3 本章小节 | 第18-19页 |
| 第3章 基于BP神经网络的燃烧控制系统 | 第19-34页 |
| 3.1 神经网络 | 第19-26页 |
| 3.1.1 神经网络简介 | 第19页 |
| 3.1.2 神经网络模型 | 第19-22页 |
| 3.1.3 神经网络结构和学习方法 | 第22-24页 |
| 3.1.4 神经网络学习方法 | 第24-26页 |
| 3.2 燃烧系统BP神经网络建模与优化 | 第26-31页 |
| 3.2.1 BP网络结构 | 第26-27页 |
| 3.2.2 BP算法 | 第27-30页 |
| 3.2.3 BP网络建模 | 第30-31页 |
| 3.3 建立锅炉燃烧过程预测模型 | 第31-33页 |
| 3.3.1 模型概况 | 第31页 |
| 3.3.2 现场情况说明 | 第31-32页 |
| 3.3.3 锅炉燃烧过程模型预测 | 第32-33页 |
| 3.4 本章小节 | 第33-34页 |
| 第4章 基于遗传算法的锅炉燃烧系统优化 | 第34-44页 |
| 4.1 系统优化概况 | 第34-35页 |
| 4.2 优化算法 | 第35-41页 |
| 4.2.1 基本原理 | 第35-37页 |
| 4.2.2 遗传算法的实现技术 | 第37-41页 |
| 4.3 算法在锅炉热效率神经网络中的应用 | 第41-43页 |
| 4.3.1 流程设计 | 第41页 |
| 4.3.2 基因代码的确定 | 第41-42页 |
| 4.3.3 锅炉参数优化设计 | 第42-43页 |
| 4.4 本章小节 | 第43-44页 |
| 第5章 系统仿真分析 | 第44-52页 |
| 5.1 系统概要设计 | 第44-49页 |
| 5.1.1 机组模型设计 | 第44页 |
| 5.1.2 锅炉燃烧稳态模型 | 第44-46页 |
| 5.1.3 应用实例 | 第46-49页 |
| 5.2 运行参数与过程控制 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |