摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-16页 |
·课题的背景和意义 | 第10-11页 |
·国内外研究现状 | 第11-14页 |
·国内研究现状 | 第11-13页 |
·国外研究现状 | 第13页 |
·当前存在的问题 | 第13-14页 |
·本文研究内容和组织结构 | 第14-16页 |
第2章 循环流化床锅炉及燃烧优化相关问题 | 第16-27页 |
·CFBB 工作原理及 NOX 生成机理 | 第16-17页 |
·CFBB 工作原理 | 第16-17页 |
·CFBB 特点 | 第17页 |
·CFBB 的 NOX 生成机理 | 第17-19页 |
·燃料型 NOX | 第18页 |
·热力型 NOX | 第18-19页 |
·快速型 NOX | 第19页 |
·CFBB 的热效率计算方法 | 第19-25页 |
·热效率的计算方法 | 第19-20页 |
·反平衡法计算 CFBB 热效率 | 第20-21页 |
·各项热损失的计算方法 | 第21-25页 |
·CFBB 燃烧优化要求 | 第25-26页 |
·本章小结 | 第26-27页 |
第3章 支持向量机理论及万有引力搜索算法 | 第27-46页 |
·机器学习有关概念 | 第27-28页 |
·机器学习的基本问题 | 第27-28页 |
·经验风险最小化 | 第28页 |
·统计学理论的主要内容 | 第28-30页 |
·VC 维 | 第29页 |
·推广性的界 | 第29-30页 |
·结构风险最小化 | 第30-31页 |
·支持向量机理论 | 第31-39页 |
·SVM 的主要优点 | 第32页 |
·SVM 基本思想 | 第32-33页 |
·SVM 分类问题 | 第33-37页 |
·SVM 回归问题 | 第37-39页 |
·最小二乘支持向量机 | 第39-41页 |
·万有引力搜索算法 | 第41-45页 |
·万有引力定律 | 第41-42页 |
·GSA 简介 | 第42-45页 |
·GSA 流程图及特点 | 第45页 |
·本章小结 | 第45-46页 |
第4章 CFBB 燃烧系统建模 | 第46-60页 |
·CFBB 燃烧系统建模分析 | 第46-47页 |
·LSSVM 的核函数的选择 | 第47页 |
·实验设备及数据采集介绍 | 第47-49页 |
·建立 CFBB 的 NOX 排放特性模型 | 第49-55页 |
·参数 C 和 2对 NOX 模型的影响 | 第50-52页 |
·建立 CFBB 的 NOX 排放特性模型 | 第52-53页 |
·模型性能分析 | 第53-55页 |
·建立 CFBB 的热效率特性模型 | 第55-59页 |
·参数 C 和 2对热效率模型的影响 | 第55-56页 |
·热效率特性模型 | 第56-58页 |
·模型性能分析 | 第58-59页 |
·本章小结 | 第59-60页 |
第5章 CFBB 燃烧优化 | 第60-71页 |
·优化目标分析 | 第60-61页 |
·CFBB 燃烧优化模型及优化算法流程 | 第61-62页 |
·CFBB 燃烧优化模型 | 第61-62页 |
·优化算法流程 | 第62页 |
·CFBB 单目标燃烧优化 | 第62-65页 |
·以降低 NOX 排放量为目标的燃烧优化 | 第62-64页 |
·以提高热效率为目标的燃烧优化 | 第64-65页 |
·CFBB 多目标燃烧优化 | 第65-70页 |
·建立 CFBB 热效率和 NOX 排放量的综合模型 | 第66-69页 |
·综合模型的多目标优化 | 第69-70页 |
·本章小结 | 第70-71页 |
结论 | 第71-73页 |
参考文献 | 第73-77页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
致谢 | 第78-79页 |
作者简介 | 第79页 |