基于智能技术的煤粉锅炉燃烧系统建模与优化运行的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·锅炉简介 | 第9-11页 |
| ·研究背景及意义 | 第11-12页 |
| ·锅炉燃烧系统优化运行研究动态 | 第12-15页 |
| ·基于火焰图像处理技术的研究动态 | 第12-13页 |
| ·基于燃烧理论建模技术的研究动态 | 第13页 |
| ·人工神经网络技术的研究动态 | 第13-15页 |
| ·本文的研究内容 | 第15-17页 |
| 第二章 锅炉燃烧性能试验研究 | 第17-29页 |
| ·锅炉热效率分析 | 第17-20页 |
| ·过量空气系数的影响及调整方法 | 第17-18页 |
| ·一次风的影响及调整方法 | 第18页 |
| ·二次风的影响及调整方法 | 第18-19页 |
| ·三次风的影响及调整方法 | 第19页 |
| ·煤粉细度的影响及控制 | 第19页 |
| ·给粉均匀性的影响与解决方法 | 第19-20页 |
| ·试验煤质 | 第20页 |
| ·试验对象 | 第20-21页 |
| ·试验工况设定 | 第21-24页 |
| ·试验结果分析 | 第24-28页 |
| ·锅炉负荷的影响 | 第24-25页 |
| ·制粉系统的影响 | 第25-26页 |
| ·过量空气系数的影响 | 第26页 |
| ·一次风速的影响 | 第26-27页 |
| ·配风方式的影响 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 锅炉热效率神经网络模型的建立 | 第29-45页 |
| ·BP神经网络 | 第30-33页 |
| ·BP网络结构 | 第30-31页 |
| ·标准BP学习算法 | 第31-32页 |
| ·标准BP算法的改进 | 第32-33页 |
| ·锅炉燃烧系统BP神经网络模型 | 第33-39页 |
| ·输出与输入参数的选取 | 第33-34页 |
| ·网络结构的确定 | 第34-35页 |
| ·性能函数的选取 | 第35-36页 |
| ·BP网络模型的建立 | 第36页 |
| ·计算结果及分析 | 第36-39页 |
| ·锅炉燃烧系统BP神经网络集成模型 | 第39-43页 |
| ·个体网络生成 | 第39页 |
| ·结论合并 | 第39-40页 |
| ·神经网络集成模型的建立 | 第40-41页 |
| ·计算结果及分析 | 第41-43页 |
| ·锅炉热效率模型的建立 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第四章 锅炉燃烧系统的优化运行 | 第45-58页 |
| ·遗传算法简介 | 第45-47页 |
| ·概述 | 第45-46页 |
| ·遗传算法的运行机理 | 第46页 |
| ·遗传算法设计 | 第46-47页 |
| ·基于实数编码的自适应遗传算法 | 第47-52页 |
| ·算法的设计 | 第48-51页 |
| ·遗传算法的验证 | 第51-52页 |
| ·锅炉燃烧优化 | 第52-57页 |
| ·寻优参数及其约束条件的选择 | 第52-53页 |
| ·种群规模及收敛条件的确定 | 第53-54页 |
| ·寻优流程 | 第54-55页 |
| ·寻优结果及分析 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第五章 锅炉燃烧系统优化软件的开发 | 第58-65页 |
| ·锅炉效率的在线计算方法 | 第58-61页 |
| ·排烟损失的计算 | 第58页 |
| ·固体未完全燃烧损失的计算 | 第58-59页 |
| ·效率的在线计算方法 | 第59-61页 |
| ·软件的集成 | 第61-64页 |
| ·神经网络工具箱 | 第61-62页 |
| ·遗传算法工具箱 | 第62页 |
| ·软件构成 | 第62-63页 |
| ·软件界面 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第六章 结论及展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第72页 |
