| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·背景介绍 | 第9-10页 |
| ·锅炉燃烧优化现状 | 第10-11页 |
| ·燃烧优化闭环控制技术 | 第11-13页 |
| ·成功实施燃烧优化闭环控制软件的关键点 | 第13页 |
| ·本章小结 | 第13-15页 |
| 第2章 锅炉燃烧特性的神经网络模型 | 第15-30页 |
| ·概述 | 第15页 |
| ·电站锅炉燃烧过程建模的要求 | 第15-17页 |
| ·人工神经网络基本原理 | 第17-19页 |
| ·人工神经网络的数学模型 | 第17-18页 |
| ·人工神经网络的特点 | 第18-19页 |
| ·BP 神经网络模型设计 | 第19-24页 |
| ·BP 神经网络模型 | 第19-22页 |
| ·模型的输入与输出 | 第22页 |
| ·模型的层数 | 第22-23页 |
| ·模型的拓扑结构 | 第23页 |
| ·代价函数和激励函数 | 第23页 |
| ·学习速率 | 第23-24页 |
| ·BP 算法的改进 | 第24-25页 |
| ·BP 网络的泛化能力 | 第25-26页 |
| ·神经网络模型的训练过程 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于预测模型的锅炉燃烧最优搜索技术 | 第30-43页 |
| ·最优搜索技术综述 | 第30-31页 |
| ·遗传算法简介 | 第31-32页 |
| ·遗传算法的步骤 | 第32-36页 |
| ·编码 | 第33-34页 |
| ·适应度 | 第34-35页 |
| ·遗传算法的基本步骤 | 第35-36页 |
| ·遗传算法的收敛性 | 第36页 |
| ·遗传算法在锅炉燃烧优化中的应用 | 第36-42页 |
| ·锅炉燃烧优化模型 | 第36-37页 |
| ·遗传算法的设计和应用 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 锅炉燃烧闭环优化系统探讨 | 第43-48页 |
| ·锅炉燃烧优化软件结构 | 第43页 |
| ·国外先进锅炉燃烧优化系统现状 | 第43-47页 |
| ·Power Perfecter 锅炉燃烧优化控制系统 | 第44-45页 |
| ·ULTRAMAX 生产过程的在线辨识与最优化技术 | 第45-46页 |
| ·GNOCIS PLUS 燃烧优化系统 | 第46页 |
| ·NeuSIGHT 神经网络燃烧优化闭环控制系统 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 总结 | 第48-50页 |
| ·研究工作总结 | 第48页 |
| ·今后研究的重点 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第52-53页 |
| 致谢 | 第53-54页 |
| 详细摘要 | 第54-62页 |