| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-17页 |
| ·背景介绍 | 第7-9页 |
| ·燃烧优化研究现状 | 第9-13页 |
| ·DCS的控制模块改进 | 第9-11页 |
| ·常规性燃烧优化试验调整 | 第11页 |
| ·基于在线检测设备的优化系统 | 第11-12页 |
| ·基于模型预测及多目标寻优技术的燃烧优化系统 | 第12-13页 |
| ·燃烧优化闭环控制技术 | 第13-14页 |
| ·燃烧优化闭环控制软件的主要功能描述 | 第14-15页 |
| ·成功实施燃烧优化闭环控制软件的关键点 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 锅炉燃烧过程模型预测技术 | 第17-27页 |
| ·神经网络模型预测技术 | 第17-21页 |
| ·神经元模型的提出 | 第17-18页 |
| ·人工神经网络的工作原理 | 第18-19页 |
| ·人工神经网络的特点 | 第19-20页 |
| ·BP神经网络模型 | 第20-21页 |
| ·建立锅炉燃烧过程预测模型 | 第21-26页 |
| ·概述 | 第21-22页 |
| ·现场情况说明 | 第22-23页 |
| ·锅炉燃烧过程模型预测 | 第23-26页 |
| ·小结 | 第26-27页 |
| 第三章 锅炉燃烧优化模型最优搜索技术 | 第27-40页 |
| ·最优搜索技术综述 | 第27-28页 |
| ·遗传算法简介 | 第28-32页 |
| ·编码 | 第30-31页 |
| ·初始群体的生成 | 第31页 |
| ·适应度(fitness)评估检测 | 第31页 |
| ·选择(selection) | 第31页 |
| ·交叉操作(crossover) | 第31-32页 |
| ·变异(mutation) | 第32页 |
| ·遗传算法在锅炉燃烧优化中的应用 | 第32-39页 |
| ·锅炉燃烧优化模型 | 第32-34页 |
| ·遗传算法的设计和应用 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 锅炉燃烧优化闭环系统讨论 | 第40-49页 |
| ·锅炉燃烧优化软件结构 | 第40-41页 |
| ·国外先进锅炉燃烧优化系统现状 | 第41-47页 |
| ·Power Perfecter锅炉燃烧优化控制系统 | 第42-44页 |
| ·ULTRAMAX(?)生产过程在线辨识与最优化技术 | 第44-45页 |
| ·NeuSIGHT神经网络燃烧优化闭环控制系统 | 第45页 |
| ·GNOCIS PLUS燃烧优化系统 | 第45-46页 |
| ·燃烧优化闭环控制软件比较 | 第46-47页 |
| ·国外先进锅炉燃烧优化系统的应用效果 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第五章 总结 | 第49-51页 |
| ·研究工作总结 | 第49页 |
| ·今后研究重点 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |