| 第一章 绪论 | 第1-11页 |
| ·研究背景 | 第7页 |
| ·研究方法及其意义 | 第7-8页 |
| ·本文的主要工作 | 第8-11页 |
| 第二章 火焰识别和诊断系统的组成 | 第11-20页 |
| ·硬件系统 | 第11-12页 |
| ·软件系统 | 第12-20页 |
| ·软件系统的安装与调试 | 第12-14页 |
| ·软件系统的试运行 | 第14-20页 |
| 第三章 小波神经网络模型的建立 | 第20-40页 |
| ·引言 | 第20页 |
| ·小波变换 | 第20-24页 |
| ·小波变换的定义 | 第20-21页 |
| ·小波变换的函数逼近能力 | 第21-24页 |
| ·神经网络的函数逼近能力 | 第24-25页 |
| ·小波变换和前馈神经网络之间的关系 | 第25-29页 |
| ·从小波变换的角度分析它们之间的内在联系 | 第25-27页 |
| ·从前馈神经网络的角度分析它们之间的内在联系 | 第27-29页 |
| ·小波神经网络的函数逼近能力及结构 | 第29-33页 |
| ·小波神经网络的函数逼近能力 | 第29-32页 |
| ·小波神经网络的结构 | 第32-33页 |
| ·最小二乘(QLS)算法 | 第33-34页 |
| ·选择小波函数 | 第34-36页 |
| ·小波神经网络的权值 | 第36页 |
| ·小波神经网络模型 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第四章 小波神经网络对火焰燃烧状态的训练和测试 | 第40-47页 |
| ·引言 | 第40页 |
| ·炉膛火焰燃烧状态的参数 | 第40-43页 |
| ·特征区平均光强AvGrey | 第40-41页 |
| ·锋面位置X | 第41-42页 |
| ·燃烧状态指数 | 第42-43页 |
| ·火焰燃烧状态的试验结果 | 第43-47页 |
| 第五章 基于小波神经网络图象识别的煤粉锅炉NOX排放监测 | 第47-53页 |
| ·引言 | 第47页 |
| ·影响电站煤粉炉内NOX生成的因素 | 第47-48页 |
| ·火焰图像特征的提取 | 第48-49页 |
| ·小波神经网络燃烧状态预测参数设置 | 第49-50页 |
| ·小波神经网络的训练和测试 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第六章 基于小波神经网络的图象颜色测温方法 | 第53-67页 |
| ·引言 | 第53页 |
| ·颜色模型 | 第53-60页 |
| ·RGB模型和CMY模型 | 第53-54页 |
| ·HSV模型和HLS模型 | 第54-60页 |
| ·物体图象颜色与温度关系 | 第60-62页 |
| ·高温物体的颜色光与其温度间的关系 | 第60-61页 |
| ·图像中的颜色与物体本身的颜色间的关系 | 第61页 |
| ·颜色模型和颜色特征向量的选择 | 第61-62页 |
| ·小波神经网络的图像颜色测温 | 第62-63页 |
| ·实验结果和分析 | 第63-66页 |
| ·火焰图象样本实验结果 | 第63-65页 |
| ·火焰图象特征区的测试结果 | 第65-66页 |
| ·小结 | 第66-67页 |
| 第七章 结束语 | 第67-69页 |
| ·结论 | 第67-68页 |
| ·今后的工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 中文摘要 | 第73-76页 |
| ABSTRACT | 第76-79页 |
| 致谢 | 第79-80页 |
| 导师及作者简介 | 第80页 |