| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 主要符号说明 | 第12-13页 |
| 1. 绪论 | 第13-18页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.2 本文主要研究内容 | 第15-18页 |
| 2. 燃煤电站锅炉低NOX 燃烧优化运行综述 | 第18-35页 |
| 2.1 煤燃烧时NOX 生成机理 | 第18-22页 |
| 2.1.1 NOx 的生成机理 | 第18-19页 |
| 2.1.2 煤燃烧时NOx 生成机理 | 第19-21页 |
| 2.1.3 煤粉锅炉炉内燃烧时NOx 的生成机理 | 第21-22页 |
| 2.2 复合式空气分级低NOX 优化燃烧技术 | 第22-24页 |
| 2.2.1 空气分段燃烧降低NOx 排放技术 | 第22-23页 |
| 2.2.2 复合式空气分段低NOx 燃烧技术的优化设计与应用 | 第23-24页 |
| 2.3 影响燃煤电站锅炉NOX 排放特性的主要因素 | 第24-27页 |
| 2.3.1 燃料特性影响 | 第25页 |
| 2.3.2 过量空气系数/总空气量/过氧量对NOx 生成量的影响 | 第25页 |
| 2.3.3 一次风率对NOx 生成量的影响 | 第25-26页 |
| 2.3.4 燃尽风对NOx 生成量的影响 | 第26页 |
| 2.3.5 负荷对NOx 生成量的影响 | 第26页 |
| 2.3.6 煤粉细度对NOx 生成量的影响 | 第26页 |
| 2.3.7 磨煤机组合方式对NOx 生成量的影响 | 第26-27页 |
| 2.3.8 热二次风温对NOx 生成量的影响 | 第27页 |
| 2.3.9 二次风配风方式对NOx 生成量的影响 | 第27页 |
| 2.4 煤粉炉内燃烧时NOX 生成量的预测及优化算法综述 | 第27-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3. BP 神经网络的建模原理及其在燃煤电站锅炉低NOX 燃烧优化建模中的应用 | 第35-74页 |
| 3.1 人工神经网络概述 | 第35-36页 |
| 3.2 BP 神经网络建模原理 | 第36-43页 |
| 3.2.1 BP 网络拓扑结构 | 第36-38页 |
| 3.2.2 BP 算法及其改进 | 第38-43页 |
| 3.3 BP 网络的设计 | 第43-45页 |
| 3.3.1 网络输入与输出层的设计原则 | 第43-44页 |
| 3.3.2 隐层的设计技巧 | 第44-45页 |
| 3.3.3 初始值的选取及预处理 | 第45页 |
| 3.4 燃煤电站锅炉低NOX 燃烧优化模型的BP 网络实现 | 第45-71页 |
| 3.4.1 案例1 - 利用BP 神经网络建立谏壁发电厂300MW 机组单炉体双炉膛八角切圆燃烧锅炉NOx 排放特性的预测模型 | 第45-57页 |
| 3.4.2 案例2 - 利用BP 神经网络建立外高桥电厂300MW 机组四角切圆燃烧锅炉NOx 排放特性预测模型 | 第57-71页 |
| 3.5 本章小结 | 第71-74页 |
| 4. 支持向量机及其在燃煤电站锅炉低NOX 燃烧优化建模中的应用 | 第74-102页 |
| 4.1 统计学习理论概述 | 第75-80页 |
| 4.1.1 机器学习理论 | 第75-76页 |
| 4.1.2 经验风险最小化准则 | 第76-77页 |
| 4.1.3 统计学习一致性的条件 | 第77页 |
| 4.1.4 VC 维理论与推广性的界 | 第77-79页 |
| 4.1.5 结构风险最小化 | 第79-80页 |
| 4.2 支持向量机 | 第80-88页 |
| 4.2.1 支持向量机基本理论及方法 | 第80-85页 |
| 4.2.2 支持向量机的算法步骤 | 第85页 |
| 4.2.3 最小二乘支持向量机算法 | 第85-86页 |
| 4.2.4 支持向量机的主要优缺点 | 第86-88页 |
| 4.3 最小二乘支持向量机在燃煤锅炉低NOX 燃烧优化建模中的应用 | 第88-100页 |
| 4.3.1 案例1 - 利用最小二乘支持向量机建立谏壁发电厂300MW 机组单炉体双炉膛八角切圆燃烧锅炉NOx 排放特性预测模型 | 第88-93页 |
| 4.3.2 案例2 - 利用最小二乘支持向量机建立外高桥电厂300MW 机组四角切圆燃烧锅炉NOx 排放特性预测模型 | 第93-100页 |
| 4.4 本章小结 | 第100-102页 |
| 5. 遗传算法及其在燃煤电站锅炉低NOX 燃烧优化中的应用 | 第102-129页 |
| 5.1 遗传算法的基本原理与方法 | 第102-110页 |
| 5.1.1 编码 | 第103-104页 |
| 5.1.2 基本操作算子和控制参数选择 | 第104-107页 |
| 5.1.3 适应度函数 | 第107-108页 |
| 5.1.4 约束条件处理 | 第108页 |
| 5.1.5 遗传算法的未成熟收敛问题及其防止 | 第108-109页 |
| 5.1.6 多目标优化问题 | 第109-110页 |
| 5.2 遗传算法在燃煤电站锅炉低NOX 燃烧优化中的应用 | 第110-127页 |
| 5.2.1 利用遗传算法优化NOx 排放特性的LS-SVM 模型的模型参数 | 第111-112页 |
| 5.2.2 利用遗传算法优化案例1 的NOx 排放水平和锅炉效率 | 第112-119页 |
| 5.2.3 利用遗传算法优化案例2 的NOx 排放水平和供电煤耗 | 第119-127页 |
| 5.3 本章小结 | 第127-129页 |
| 6. 全文总结与展望 | 第129-132页 |
| 参考文献 | 第132-136页 |
| 致谢 | 第136-137页 |
| 攻读硕士期间发表的学术论文目录 | 第137页 |
