| 中文摘要 | 第12-13页 |
| ABSTRACT | 第13-14页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景及意义 | 第15-18页 |
| 1.2 国内外研究现状 | 第18-19页 |
| 1.3 本课题主要研究内容及创新点 | 第19-21页 |
| 1.3.1 本文主要研究内容 | 第19-20页 |
| 1.3.2 本课题创新点 | 第20-21页 |
| 第二章 CFB锅炉脱硝技术理论分析 | 第21-33页 |
| 2.1 CFB锅炉技术原理 | 第21-22页 |
| 2.2 CFB锅炉NOX生成机理及影响因素分析 | 第22-24页 |
| 2.2.1 NOX生成机理 | 第22-23页 |
| 2.2.2 影响NOX生成的主要因素 | 第23-24页 |
| 2.3 CFB锅炉SNCR与SCR脱硝原理及影响因素分析 | 第24-29页 |
| 2.3.1 CFB锅炉SNCR脱硝原理及影响因素分析 | 第24-26页 |
| 2.3.1.1 SNCR脱硝原理 | 第24页 |
| 2.3.1.2 影响SNCR脱硝效率的主要因素 | 第24-26页 |
| 2.3.2 CFB锅炉SCR脱硝原理及影响因素分析 | 第26-27页 |
| 2.3.2.1 SCR脱硝原理 | 第26页 |
| 2.3.2.2 影响SCR脱硝效率的主要因素 | 第26-27页 |
| 2.3.3 SNCR-SCR联合脱硝方式 | 第27-29页 |
| 2.4 试验机组超低排放技术简介 | 第29-32页 |
| 2.4.1 试验机组简介 | 第29-30页 |
| 2.4.2 试验机组脱硝系统及控制现状分析 | 第30-32页 |
| 2.4.2.1 试验机组脱硝系统介绍 | 第30-31页 |
| 2.4.2.2 脱硝系统自动控制现状分析 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 CFB机组NOX的BP神经网络建模及在试验机组DCS中的实现 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 CFB机组NO_X的BP神经网络建模 | 第33-38页 |
| 3.2.1 NO_X模型辅助变量的选取 | 第34-35页 |
| 3.2.2 输入输出数据的预处理 | 第35-36页 |
| 3.2.3 建立BP神经网络模型 | 第36-38页 |
| 3.3 BP神经网络模型在试验机组DCS中的实现 | 第38-42页 |
| 3.3.1 BP神经网络的正向传播机制 | 第38-39页 |
| 3.3.2 实现BP神经网络模型的DCS平台 | 第39-41页 |
| 3.3.3 实际运行效果与分析 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于智能控制的SNCR脱硝控制策略设计 | 第43-62页 |
| 4.1 引言 | 第43-44页 |
| 4.2 SNCR脱硝系统智能控制策略 | 第44-58页 |
| 4.2.1 基于专家经验的设定值形成结构 | 第45页 |
| 4.2.2 分层优化结构 | 第45-46页 |
| 4.2.3 数据的预处理 | 第46-47页 |
| 4.2.4 基于专家控制的区间控制 | 第47-48页 |
| 4.2.5 基于无模型自适应的稳态优化 | 第48-52页 |
| 4.2.6 基于BP神经网络的前馈控制 | 第52-54页 |
| 4.2.7 基于BP神经网络的还原剂低限/高限保护 | 第54页 |
| 4.2.8 基于专家控制的还原剂低限保护自适应控制 | 第54-55页 |
| 4.2.9 基于模糊的NOX快速保护 | 第55-57页 |
| 4.2.10 其它控制策略 | 第57-58页 |
| 4.3 仿真验证 | 第58-59页 |
| 4.4 脱硝系统实际运行效果与经济指标分析 | 第59-61页 |
| 4.4.1 实际运行效果分析 | 第59-60页 |
| 4.4.2 经济指标分析 | 第60-61页 |
| 4.4.3 自动投入前后整体效果对比分析 | 第61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 结论与展望 | 第62-64页 |
| 5.1 课题结论 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录1 脱硝智能控制策略在电厂中的应用证明（ | 第69-70页 |
| 附录2 脱硝智能控制策略在电厂中的应用证明（ | 第70-71页 |
| 攻读学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 个人简况及联系方式 | 第73-74页 |
