火电厂热工参数软测量关键技术和方法研究
| 中文摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-24页 |
| ·选题背景及意义 | 第11-13页 |
| ·软测量技术概述 | 第13-23页 |
| ·软测量技术的基本思想、原理及意义 | 第13-14页 |
| ·软测量的发展历程及应用 | 第14-16页 |
| ·现有的软测量方法分析 | 第16-23页 |
| ·论文的主要内容 | 第23-24页 |
| 第二章 热工参数软测量关键技术分析 | 第24-39页 |
| ·火电厂监测的对象与特点 | 第24-26页 |
| ·火电厂监测对象 | 第24-25页 |
| ·火电厂监测参数特点 | 第25-26页 |
| ·国内火电厂热工参数软测量分析 | 第26-35页 |
| ·烟气含氧量软测量 | 第26-29页 |
| ·飞灰含碳量软测量 | 第29-32页 |
| ·球磨机负荷软测量 | 第32-33页 |
| ·其它热工参数软测量 | 第33-35页 |
| ·影响软测量建模精度的主要因素 | 第35-37页 |
| ·数据预处理 | 第35页 |
| ·辅助变量选取 | 第35-36页 |
| ·建模算法 | 第36-37页 |
| ·模型结构 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第三章 数据预处理与辅助变量优化选取 | 第39-62页 |
| ·现场数据的采集与预处理 | 第39-45页 |
| ·检测点位置的选择 | 第39页 |
| ·现场数据的采集 | 第39-40页 |
| ·数据预处理技术 | 第40-45页 |
| ·粗大误差的处理 | 第40-41页 |
| ·随机误差的处理 | 第41-44页 |
| ·数据变换 | 第44-45页 |
| ·基于灰色理论的辅助变量优化选取 | 第45-50页 |
| ·灰色理论的基本概念 | 第45-47页 |
| ·灰色关联度的计算 | 第47-49页 |
| ·基于灰关联分析的辅助变量优化选取 | 第49-50页 |
| ·基于支持向量机的软测量建模方法 | 第50-56页 |
| ·统计学习理论原理 | 第50-51页 |
| ·支持向量机与支持向量回归 | 第51-56页 |
| ·结构风险最小化 | 第51-52页 |
| ·支持向量机 | 第52-55页 |
| ·支持向量回归 | 第55-56页 |
| ·基于ASVR算法的烟气含氧量软测量 | 第56-60页 |
| ·ASVR算法及实现步骤 | 第56-57页 |
| ·烟气含氧量软测量建模仿真 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 第四章 基于SMO算法的热工参数软测量建模 | 第62-83页 |
| ·支持向量机的SMO训练算法 | 第63-67页 |
| ·SMO原理与SMO回归解 | 第63-65页 |
| ·SMO算法的实现 | 第65-66页 |
| ·SMO算法的改进策略 | 第66-67页 |
| ·SMO算法软测量建模参数优化 | 第67-74页 |
| ·PSO算法原理与实现 | 第67-70页 |
| ·PSO-SMO双层优化方法 | 第70-72页 |
| ·基于PSO-SMO算法的烟气含氧量软测量 | 第72-74页 |
| ·实时操作系统下基于SMO算法的软测量建模 | 第74-82页 |
| ·QNX实时操作系统及其实时性分析 | 第74-78页 |
| ·QNX的体系结构 | 第75页 |
| ·QNX的实时性分析 | 第75-78页 |
| ·QNX下软测量建模的实现与分析 | 第78-82页 |
| ·QNX下SMO算法的实现 | 第78-80页 |
| ·QNX下软测量模型性能分析 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 基于多模型结构的动态热工参数软测量 | 第83-91页 |
| ·多模型方法与动态软测量建模结构 | 第83-85页 |
| ·多模型方法 | 第83-84页 |
| ·多模型动态软测量建模结构 | 第84-85页 |
| ·多模型热工参数动态软测量研究 | 第85-90页 |
| ·烟气含氧量多模型动态软测量 | 第85-88页 |
| ·飞灰含碳量多模型动态软测量 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 结论 | 第91-94页 |
| ·本文的主要工作和创新点 | 第91-92页 |
| ·本课题今后的研究内容 | 第92-94页 |
| 参考文献 | 第94-102页 |
| 致谢 | 第102-103页 |
| 攻读博士学位期间发表的学术论文 | 第103-104页 |
| 攻读博士学位期间的科研工作 | 第104页 |
