| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 热值校正方法研究现状与分析 | 第10-14页 |
| 1.3 本课题的主要研究内容 | 第14-15页 |
| 第2章 基于线性模型的燃料热值系数辨识方法 | 第15-35页 |
| 2.1 系统辨识和系统模型 | 第15-17页 |
| 2.1.1 系统辨识 | 第15-16页 |
| 2.1.2 系统模型 | 第16-17页 |
| 2.2 系统辨识模型 | 第17-20页 |
| 2.2.1 辨识模型的定义 | 第17-18页 |
| 2.2.2 系统辨识的CARMA模型 | 第18-20页 |
| 2.3 最小二乘辨识方法 | 第20-22页 |
| 2.3.1 最小二乘一次完成算法 | 第20-21页 |
| 2.3.2 最小二乘参数估计的递推算法 | 第21-22页 |
| 2.3.3 渐消记忆最小二乘法 | 第22页 |
| 2.4 火电机组负荷CARMA模型的参数辨识 | 第22-23页 |
| 2.5 基于火电机组CARMA模型的燃料热值系数辨识方法 | 第23-24页 |
| 2.6 数据预处理方法 | 第24-25页 |
| 2.6.1 数据滤波处理 | 第24页 |
| 2.6.2 零初始化处理 | 第24-25页 |
| 2.6.3 粗大值处理 | 第25页 |
| 2.7 仿真结果 | 第25-34页 |
| 2.7.1 算法验证 | 第25-27页 |
| 2.7.2 仿真结果 | 第27-34页 |
| 2.8 本章小结 | 第34-35页 |
| 第3章 基于非线性智能模型辨识的燃料热值系数 | 第35-48页 |
| 3.1 多层前向神经网络 | 第35-41页 |
| 3.1.1 多层前向神经网络模型描述 | 第36-37页 |
| 3.1.2 BP神经网络训练的梯度学习算法 | 第37-41页 |
| 3.2 BP神经网络训练算法的改进 | 第41-44页 |
| 3.2.1 神经网络灵敏度的定义 | 第41页 |
| 3.2.2 降低神经网络灵敏度的方法 | 第41-43页 |
| 3.2.3 基于降低网络灵敏度的BP网络改进算法 | 第43-44页 |
| 3.3 仿真结果 | 第44-47页 |
| 3.3.1 稳定高负荷工况仿真结果 | 第44-45页 |
| 3.3.2 升负荷工况仿真结果 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于燃料热值自适应校正的协调控制 | 第48-53页 |
| 4.1 协调控制系统 | 第48-50页 |
| 4.1.1 单元机组负荷控制的特点 | 第48页 |
| 4.1.2 协调控制系统及其任务 | 第48-49页 |
| 4.1.3 单元机组控制出力的基本方式 | 第49-50页 |
| 4.2 基于燃料热值自适应校正的协调控制系统 | 第50-52页 |
| 4.2.1 燃料热值校正系数的计算 | 第50-51页 |
| 4.2.2 协调控制系统改进 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |