电站锅炉燃烧状态识别与诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-26页 |
| ·选题背景及意义 | 第11-12页 |
| ·锅炉燃烧优化控制技术研究现状 | 第12-18页 |
| ·国外燃烧优化控制技术 | 第13-15页 |
| ·国内燃烧优化控制技术 | 第15-16页 |
| ·燃烧优化控制技术存在的问题 | 第16-17页 |
| ·基于信息融合的燃烧状态参数检测及控制优化 | 第17-18页 |
| ·燃烧状态检测与稳定性判断的研究现状 | 第18-22页 |
| ·电站信息化与多源信息融合技术 | 第22-24页 |
| ·论文的主要内容 | 第24-26页 |
| 第二章 锅炉燃烧状态相关信号选取研究 | 第26-49页 |
| ·引言 | 第26-27页 |
| ·基于滑动窗方差的燃烧状态相关信号选取 | 第27-37页 |
| ·燃烧扰动特性分析 | 第27-28页 |
| ·方法原理 | 第28-32页 |
| ·实例分析与验证 | 第32-37页 |
| ·基于小波变换的燃烧状态相关信号选取 | 第37-48页 |
| ·热工信号的关联特性 | 第37-38页 |
| ·基于小波变换的热工信号多尺度相关性分析 | 第38-45页 |
| ·燃烧状态相关信号的选取 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第三章 锅炉燃烧状态特征提取研究 | 第49-70页 |
| ·引言 | 第49页 |
| ·典型工况下燃烧状态相关信号的时域分析 | 第49-63页 |
| ·火检信号 | 第50-52页 |
| ·炉膛压力 | 第52-55页 |
| ·主汽压力 | 第55-58页 |
| ·汽包水位 | 第58-60页 |
| ·氧量信号 | 第60-63页 |
| ·燃烧状态特征提取 | 第63-69页 |
| ·基于时域分析的特征提取 | 第63-64页 |
| ·基于复杂性测度的特征提取 | 第64-66页 |
| ·典型工况下燃烧状态特征量的提取 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第四章 基于燃烧特征量的燃烧状态识别研究 | 第70-82页 |
| ·引言 | 第70页 |
| ·基于自组织神经网络的燃烧状态聚类 | 第70-75页 |
| ·燃烧状态聚类模型的构建 | 第71-73页 |
| ·神经网络训练与测试 | 第73-75页 |
| ·基于支持向量机的燃烧状态识别 | 第75-80页 |
| ·支持向量机分类算法 | 第76-77页 |
| ·支持向量机模型参数的优化 | 第77-78页 |
| ·基于支持向量机的典型燃烧状态识别 | 第78-79页 |
| ·实例分析 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 第五章 基于证据理论的燃烧稳定性诊断研究 | 第82-95页 |
| ·引言 | 第82页 |
| ·基于证据理论的燃烧稳定性诊断 | 第82-88页 |
| ·证据理论 | 第82-85页 |
| ·基本可信度分配的获取 | 第85-87页 |
| ·采用证据理论诊断锅炉燃烧稳定性 | 第87-88页 |
| ·燃烧稳定性诊断实例 | 第88-93页 |
| ·本章小结 | 第93-95页 |
| 第六章 结论与展望 | 第95-98页 |
| ·结论 | 第95-96页 |
| ·展望 | 第96-98页 |
| 参考文献 | 第98-105页 |
| 致谢 | 第105-106页 |
| 攻读博士学位期间发表的学术论文 | 第106-107页 |
| 攻读博士学位期间参加的科研工作 | 第107页 |
