摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第一章 绪论 | 第9-12页 |
·课题研究的背景及意义 | 第9页 |
·厂级监控系统—SIS 系统 | 第9-10页 |
·国内外研究现状 | 第10页 |
·论文的整体结构 | 第10-11页 |
·本章小结 | 第11-12页 |
第二章 CFB 锅炉的总述及燃烧优化技术的研究 | 第12-36页 |
·CFB 锅炉概述及发展历史 | 第12-18页 |
·CFB 锅炉发展历史 | 第12页 |
·CFB 锅炉的部件 | 第12-13页 |
·CFB 锅炉的工作原理 | 第13-14页 |
·CFB 锅炉的 5 大系统 | 第14-15页 |
·CFB 锅炉的工艺指标 | 第15-18页 |
·CFB 锅炉的燃烧热效率计算 | 第18-20页 |
·CFB 锅炉的各项热损失的计算 | 第19页 |
·CFB 锅炉效率简化模型 | 第19-20页 |
·燃烧优化技术概述 | 第20-23页 |
·国外燃烧优化技术的发展 | 第21页 |
·国内燃烧优化技术的发展 | 第21-22页 |
·智能优化算法在燃烧优化中的应用 | 第22-23页 |
·遗传算法的优化机理 | 第22-23页 |
·锅炉模型建模原理 | 第23-26页 |
·BP 神经网络原理 | 第23-24页 |
·BP 神经网络算法的缺点 | 第24-25页 |
·BP 神经网络的参数调整算法 | 第25-26页 |
·锅炉燃烧模型的建立 | 第26-33页 |
·锅炉燃烧试验的设计 | 第26-27页 |
·锅炉的 BP 神经网络模型 | 第27-32页 |
·基于 BP 神经网络的锅炉燃烧效率的模型预测 | 第27-31页 |
·基于 BP 神经网络的锅炉 NOx 排放的模型预测 | 第31-32页 |
·BP 神经网络预测精度 | 第32-33页 |
·基于遗传算法的锅炉燃烧优化的实现 | 第33-35页 |
·优化问题的分析 | 第33-35页 |
·本章小结 | 第35-36页 |
第三章 烟气脱硫技术的研究 | 第36-44页 |
·烟气脱硫的基本原理 | 第36-40页 |
·脱硫的分类 | 第36页 |
·氨吸收湿法烟气脱硫 | 第36-38页 |
·氨吸收湿法技术介绍 | 第36页 |
·氨吸收湿法烟气脱硫的工艺原理 | 第36-38页 |
·氨吸收湿法烟气脱硫系统组成 | 第38-40页 |
·脱硫工艺要求 | 第40页 |
·影响氨吸收湿法脱硫的因素 | 第40-41页 |
·烟气量对于脱硫效率的影响 | 第40-41页 |
·氨水量对于脱硫效率的影响 | 第41页 |
·氨水浓度对脱硫效率的影响 | 第41页 |
·反应温度对脱硫效率的影响 | 第41页 |
·建立 BP 神经网络脱硫率预测模型 | 第41-43页 |
·样本数据的归一化处理 | 第42页 |
·BP 神经网络模型的预测仿真结果 | 第42-43页 |
·本章小结 | 第43-44页 |
第四章 节能减排的 SIS 系统设计 | 第44-72页 |
·厂级监控信息系统 | 第44-54页 |
·SIS 系统总体设计的目标和原则 | 第44页 |
·SIS 系统设计目的 | 第44页 |
·SIS 系统设计原则 | 第44页 |
·SIS 系统设计方案 | 第44-45页 |
·SIS 系统网络硬件结构 | 第45-50页 |
·管控单向物理隔离网闸 | 第46页 |
·以太网交换机 | 第46-47页 |
·DELL PowerEdge T620 服务器的系统配置 | 第47-50页 |
·SIS 系统的网络软件结构 | 第50-54页 |
·数据采集与通讯 | 第50-52页 |
·生产过程的实时监控 | 第52-53页 |
·燃烧实时优化过程 | 第53-54页 |
·锅炉的燃烧优化在 SIS 系统中的实现 | 第54-67页 |
·锅炉燃烧优化的闭环控制 | 第54-55页 |
·风量优化的实现 | 第55-56页 |
·煤量优化的实现 | 第56-57页 |
·锅炉燃烧优化在 SIS 系统监控的实现 | 第57-67页 |
·脱硫环保监测在 SIS 系统中的实现 | 第67-71页 |
·某国内电厂脱硫系统的实例 | 第67-70页 |
·脱硫装置的性能评价 | 第70-71页 |
·本章小结 | 第71-72页 |
总结与展望 | 第72-74页 |
参考文献 | 第74-77页 |
致谢 | 第77-78页 |
攻读学位期间发表学术论文目录 | 第78-79页 |