| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的背景及意义 | 第8页 |
| 1.2 相关研究工作 | 第8-10页 |
| 1.3 本课题的主要工作 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 高炉煤气性质及燃烧 | 第12-28页 |
| 2.1 高炉煤气的产生 | 第12-14页 |
| 2.2 高炉煤气的成分及性质 | 第14-16页 |
| 2.3 高炉煤气的燃烧 | 第16-24页 |
| 2.3.1 高炉煤气燃烧的机理 | 第16-18页 |
| 2.3.2 高炉煤气的着火 | 第18-20页 |
| 2.3.3 高炉煤气的燃烧计算 | 第20-24页 |
| 2.4 全燃BFG 高温高压锅炉简介 | 第24-27页 |
| 2.4.1 设计参数 | 第25页 |
| 2.4.2 基本结构 | 第25-26页 |
| 2.4.3 燃烧装置 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 影响全燃高炉煤气锅炉燃烧稳定性因素分析 | 第28-35页 |
| 3.1 燃烧稳定性概述 | 第28页 |
| 3.2 影响全燃高炉煤气锅炉燃烧稳定性因素分析 | 第28-33页 |
| 3.2.1 高炉煤气成分变化（高炉煤气热值变化）的影响 | 第29-30页 |
| 3.2.2 高炉煤气压力和流量 | 第30页 |
| 3.2.3 高炉煤气的初温 | 第30-31页 |
| 3.2.4 送风空气量和空气风温 | 第31-32页 |
| 3.2.5 锅炉负荷 | 第32-33页 |
| 3.3 反映燃烧状况的因素 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 人工神经网络 | 第35-48页 |
| 4.1 神经网络的产生和发展 | 第35-36页 |
| 4.2 神经网络的原理、结构及分类 | 第36-40页 |
| 4.2.1 神经网络的原理 | 第36-37页 |
| 4.2.2 神经网络的结构 | 第37-39页 |
| 4.2.3 神经网络的分类 | 第39-40页 |
| 4.3 神经网络的学习算法及其应用 | 第40-42页 |
| 4.3.1 学习算法 | 第40-41页 |
| 4.3.2 人工神经网络的应用 | 第41-42页 |
| 4.4 BP 神经网络模型 | 第42-47页 |
| 4.4.1 BP 神经网络 | 第42页 |
| 4.4.2 BP 神经网络的结构 | 第42-44页 |
| 4.4.3 BP 神经网络的算法 | 第44-46页 |
| 4.4.4 BP 神经网络算法的改进 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于BP 网络全燃高炉煤气锅炉燃烧预报模型的建立 | 第48-63页 |
| 5.1 模型的选择 | 第48页 |
| 5.2 模型结构的确定 | 第48-51页 |
| 5.2.1 神经网络输入、输出单元 | 第48-49页 |
| 5.2.2 神经网络的结构 | 第49-51页 |
| 5.3 样本数据的获得及处理 | 第51-55页 |
| 5.4 神经网络模型的程序的编制和运用 | 第55-60页 |
| 5.4.1 炉膛出口烟温预报网络的MATLAB 实现程序 | 第55-57页 |
| 5.4.2 炉膛出口烟温预报网络的运用和验证 | 第57-58页 |
| 5.4.3 尾部CO 含量预报网络的MATLAB 实现程序 | 第58-59页 |
| 5.4.4 尾部CO 含量预报网络的运用与和验证 | 第59-60页 |
| 5.5 预测网络误差原因分析 | 第60-61页 |
| 5.6 模型图形用户界面设计 | 第61-62页 |
| 5.7 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 6.1 总结 | 第63页 |
| 6.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附录 | 第66-69页 |
| 致谢 | 第69-70页 |
| 学习期间论文发表 | 第70页 |
