首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于现代检测技术的新型锅炉火焰检测方法研究

中文摘要第1-5页
英文摘要第5-9页
1 绪论第9-16页
 1.1 锅炉火焰检测的重要性及当前发展现状第9-14页
  1.1.1 锅炉炉膛安全监控系统的重要性第10页
  1.1.2 火焰检测是炉膛安全系统不可或缺的一部分第10页
  1.1.3 锅炉火焰检测的发展与现状第10-12页
  1.1.4 HHG-98红外动态火焰检测器第12-14页
 1.2 本文的主要研究内容第14-16页
2 锅炉火焰检测的原理第16-22页
 2.1 锅炉火焰的可检测性第16-19页
  2.1.1 锅炉火焰的特性第16-17页
  2.1.2 锅炉火焰在不同燃烧阶段的变化过程第17页
  2.1.3 火焰检测的前端设备第17-19页
 2.2 锅炉火焰检测方法的发展第19-20页
 2.3 新型火焰检测器的要求第20页
 2.4 本章小结第20-22页
3 现代谱估计技术在火焰信号检测中的应用第22-36页
 3.1 随机信号的谱估计第22-23页
  3.1.1 频率估计的经典和现代方法分析第22-23页
 3.2 锅炉火焰信号的分析和预处理第23-25页
  3.2.1 直流分量第23-24页
  3.2.2 数字滤波去除背景噪声第24-25页
 3.3 从经典谱分析方法到现代谱分析方法第25-27页
  3.3.1 系统模型的选择第26页
  3.3.2 系统算法的选择第26-27页
 3.4 系统的实现与分析第27-35页
  3.4.1 系统的软件实现第28-29页
  3.4.2 AR模型的定阶第29-32页
  3.4.3 经典谱估计和现代谱估计实时性的比较第32-33页
  3.4.4 AR模型的平滑特性第33-34页
  3.4.5 经典谱估计和现代谱估计分辨率的比较第34-35页
 3.5 本章小结第35-36页
4 锅炉火焰的神经网络模式识别第36-48页
 4.1 神经网络模式识别的理论基础第36-39页
  4.1.1 从传统模式识别到智能模式识别第36-37页
  4.1.2 神经网络模式识别的发展第37-38页
  4.1.3 常见的神经网络和学习算法第38-39页
 4.2 火焰识别系统的实现第39-43页
  4.2.1 火焰信号的特征选择和提取第39-41页
  4.2.2 使用多层前向网络进行模式识别第41-43页
 4.3 神经网络识别系统的具体设计与问题分析第43-46页
  4.3.1 网络拓扑结构的确定第43-44页
  4.3.2 激励函数与理想输出第44-45页
  4.3.3 改进的BP算法第45页
  4.3.4 样本数量问题的解决第45-46页
  4.3.5 系统的泛化能力和局部极小点第46页
 4.4 神经网络模式识别方法与传统方式的比较第46-47页
 4.5 本章小结第47-48页
5 系统的软硬件实现第48-61页
 5.1 数据采集系统第48-50页
  5.1.1 数据采集硬件系统第48-49页
  5.1.2 数据采集的程序实现第49-50页
 5.2 数据的存储第50-53页
  5.2.1 历史数据的存储第50-51页
  5.2.2 系统控制信息的记录第51-52页
  5.2.3 神经网络的存储第52-53页
 5.3 数据的显示和用户界面第53-54页
 5.4 数据处理系统第54-55页
  5.4.1 数据预处理模块第54-55页
  5.4.2 谱估计模块第55页
  5.4.3 神经网络模块第55页
  5.4.4 A/D采集模块第55页
 5.5 控制判断系统第55-56页
 5.6 实验结果及分析第56-60页
  5.6.1 仿真结果第56-57页
  5.6.2 实验室模拟实验第57-58页
  5.6.3 实际锅炉火焰信号的识别情况第58-60页
 5.7 本章小结第60-61页
6 结论与展望第61-63页
致谢第63-64页
参考文献第64-66页

论文共66页,点击 下载论文
上一篇:职专语文教学现状及对策
下一篇:德沃金的法律原则理论