| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 软测量技术的国内外研究现状 | 第11-14页 |
| 1.3 锅炉烟气氧含量检测意义及方法 | 第14-15页 |
| 1.3.1 监测锅炉烟气氧含量的意义 | 第14-15页 |
| 1.3.2 锅炉烟气氧含量检测方法 | 第15页 |
| 1.4 本文主要研究的内容 | 第15-17页 |
| 第二章 锅炉燃烧控制系统的搭建 | 第17-28页 |
| 2.1 控制系统搭建的目的 | 第17页 |
| 2.2 仿真实验平台硬件与软件 | 第17-18页 |
| 2.2.1 西门子SIMATIC PCS7简介 | 第17-18页 |
| 2.2.2 PCS7功能及特点 | 第18页 |
| 2.3 仿真平台的组态与通信 | 第18-20页 |
| 2.4 锅炉燃烧系统控制方案设计及控制效果 | 第20-27页 |
| 2.4.1 锅炉燃烧系统工艺流程分析 | 第20-22页 |
| 2.4.2 控制方案设计原则 | 第22页 |
| 2.4.3 烟气氧含量-过热蒸汽出口压力控制系统 | 第22-23页 |
| 2.4.4 汽包液位控制系统 | 第23-24页 |
| 2.4.5 炉膛负压控制系统 | 第24-25页 |
| 2.4.6 过热蒸汽出口温度控制系统 | 第25-26页 |
| 2.4.7 锅炉燃烧控制系统搭建及控制效果 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 软测量技术 | 第28-37页 |
| 3.1 软测量技术概述 | 第28-30页 |
| 3.1.1 软测量原理 | 第28-29页 |
| 3.1.2 软测量建模方法 | 第29-30页 |
| 3.1.3 软测量技术的意义 | 第30页 |
| 3.2 烟气氧含量软测量数据的选择与处理 | 第30-36页 |
| 3.2.1 辅助变量的选择 | 第30-32页 |
| 3.2.2 数据的采集 | 第32页 |
| 3.2.3 采集数据的误差处理 | 第32-33页 |
| 3.2.4 氧含量软测量模型使用数据及处理 | 第33-35页 |
| 3.2.5 数据标准化 | 第35-36页 |
| 3.3 软测量模型的在线校正 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于神经网络的蔗渣锅炉烟气氧含量软测量模型 | 第37-49页 |
| 4.1 人工神经网络模型及特点 | 第37-38页 |
| 4.1.1 人工神经网络模型 | 第37页 |
| 4.1.2 人工神经网络特点 | 第37-38页 |
| 4.2 BP神经网络 | 第38-44页 |
| 4.2.1 BP神经网络结构 | 第38-39页 |
| 4.2.2 BP神经网络算法 | 第39-41页 |
| 4.2.3 BP算法实现流程图 | 第41-42页 |
| 4.2.4 基于BP神经网络氧含量软测量模型的建立及结果分析 | 第42-44页 |
| 4.3 Elman神经网络 | 第44-48页 |
| 4.3.1 Elman神经网络简述 | 第44页 |
| 4.3.2 Elman神经网络基本结构及改进 | 第44-45页 |
| 4.3.3 改进型Elman神经网络学习算法 | 第45-46页 |
| 4.3.4 基于改进型Elman神经网络氧含量软测量模型的建立及结果分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于支持向量机的蔗渣锅炉烟气氧含量软测量模型 | 第49-65页 |
| 5.1 支持向量机理论基础 | 第49-53页 |
| 5.1.1 机器学习问题 | 第49-50页 |
| 5.1.2 统计学习理论 | 第50-52页 |
| 5.1.3 支持向量机结构及使用原因 | 第52-53页 |
| 5.2 回归支持向量机 | 第53-57页 |
| 5.2.1 回归支持向量机算法 | 第53-55页 |
| 5.2.2 基于SVR氧含量软测量模型的建立及结果分析 | 第55-57页 |
| 5.3 最小二乘支持向量机 | 第57-60页 |
| 5.3.1 最小二乘支持向量机算法 | 第57-58页 |
| 5.3.2 基于LS-SVM氧含量软测量模型的建立及结果分析 | 第58-60页 |
| 5.4 粒子群算法优化最小二乘支持向量机 | 第60-64页 |
| 5.4.1 基本粒子群算法 | 第60-61页 |
| 5.4.2 PSO算法参数优化过程 | 第61-62页 |
| 5.4.3 基于PSO-LSSVM氧含量软测量模型的建立及结果分析 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70-72页 |
| 致谢 | 第72页 |
