母管制锅炉单炉燃烧优化及多炉协调控制方法研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 课题来源 | 第10页 |
| 1.3 母管制运行锅炉的研究动态 | 第10-14页 |
| 1.3.1 母管制锅炉燃烧控制研究动态 | 第10-12页 |
| 1.3.2 母管制锅炉机组协调控制研究动态 | 第12-14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 第2章 锅炉燃烧系统概述 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 热电厂锅炉燃烧系统的工作过程 | 第15-17页 |
| 2.3 热电厂1号直吹式燃煤锅炉介绍 | 第17-20页 |
| 2.3.1 锅炉的主要性能指标 | 第17-18页 |
| 2.3.2 锅炉效率和煤耗量的计算 | 第18-20页 |
| 2.4 锅炉燃烧控制系统的主要任务 | 第20-21页 |
| 2.5 热电厂锅炉燃烧过程的调节方案和存在的问题 | 第21-24页 |
| 2.5.1 给煤系统的调节方案 | 第21-22页 |
| 2.5.2 引风系统的调节方案 | 第22-23页 |
| 2.5.3 送风系统的调节方案 | 第23页 |
| 2.5.4 锅炉燃烧控制方案的主要问题 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 单炉燃烧系统建模与优化 | 第25-56页 |
| 3.1 引言 | 第25页 |
| 3.2 神经网络概述 | 第25-32页 |
| 3.2.1 神经网络原理 | 第25-26页 |
| 3.2.2 前馈型神经网络 | 第26-28页 |
| 3.2.3 RBF神经网络 | 第28-29页 |
| 3.2.4 RBF神经网络的训练 | 第29-31页 |
| 3.2.5 神经网络设计流程 | 第31-32页 |
| 3.3 建立锅炉燃烧系统的RBF神经网络模型 | 第32-41页 |
| 3.3.1 输入输出数据选择 | 第32-33页 |
| 3.3.2 数据的采集和预处理 | 第33-36页 |
| 3.3.3 RBF神经网络模型的建立 | 第36-37页 |
| 3.3.4 RBF神经网络模型的验证 | 第37-41页 |
| 3.4 遗传算法 | 第41-44页 |
| 3.4.1 遗传算法原理 | 第41-42页 |
| 3.4.2 遗传算法一般计算过程 | 第42-44页 |
| 3.5 基于遗传算法的锅炉燃烧系统优化 | 第44-55页 |
| 3.5.1 目标函数的建立 | 第45-46页 |
| 3.5.2 锅炉燃烧优化控制的实现 | 第46-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第4章 母管制锅炉机组的协调优化 | 第56-73页 |
| 4.1 引言 | 第56页 |
| 4.2 母管蒸汽总负荷的计算 | 第56-60页 |
| 4.3 锅炉机组负荷分配的数学建模 | 第60-66页 |
| 4.3.1 锅炉机组负荷分配数学模型的原理 | 第60-62页 |
| 4.3.2 锅炉机组负荷分配数学模型的建立 | 第62-66页 |
| 4.4 负荷优化分配的算法 | 第66-68页 |
| 4.4.1 分配算法 | 第66页 |
| 4.4.2 二次规划算法 | 第66-68页 |
| 4.5 母管制锅炉机组协调优化控制的实现 | 第68-72页 |
| 4.6 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表的学术论文及成果 | 第82页 |
