首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

并联快速学习网算法研究及其在循环流化床锅炉中的应用

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第10-17页
    1.1 课题研究的背景和意义第10-11页
    1.2 国内外研究现状及存在问题第11-13页
    1.3 人工智能技术发展现状第13-15页
    1.4 论文的主要研究内容和结构安排第15-17页
第2章 循环流化床锅炉燃烧系统第17-29页
    2.1 引言第17页
    2.2 CFBB简介第17-19页
        2.2.1 CFBB结构第17-18页
        2.2.2 CFBB工作原理第18页
        2.2.3 CFBB优势第18-19页
    2.3 CFBB的NOx生成机理第19-21页
        2.3.1 燃料型NOx第19-20页
        2.3.2 热力型NOx第20-21页
        2.3.3 快速型NOx第21页
    2.4 CFBB热效率的计算第21-28页
        2.4.1 热效率的计算方法第21-22页
        2.4.2 热效率的反平衡计算方法第22-23页
        2.4.3 热损失的计算方法及燃烧优化要求第23-28页
    2.5 本章小结第28-29页
第3章 新型神经网络—并联型快速学习网第29-47页
    3.1 引言第29页
    3.2 快速学习网第29-31页
    3.3 并联型快速学习网(PLP-FLN)第31-34页
        3.3.1 并联型快速学习网学习过程第31-34页
        3.3.2 简化的并联型快速学习网第34页
    3.4 并联型快速学习网性能测试第34-46页
        3.4.1 回归性能测试第34-45页
        3.4.2 分类性能测试第45-46页
    3.5 本章小结第46-47页
第4章 基于PLP-FLN的循环流化床锅炉燃烧系统建模第47-56页
    4.1 引言第47页
    4.2 实验对象及实验数据介绍第47-49页
    4.3 燃烧系统NOx排放特性建模第49-52页
        4.3.1 NOx排放特性模型建立第49-50页
        4.3.2 NOx模型性能分析第50-52页
    4.4 燃烧系统热效率建模第52-55页
        4.4.1 热效率模型建立第52-53页
        4.4.2 热效率模型性能分析第53-55页
    4.5 本章小结第55-56页
第5章 循环流化床锅炉燃烧系统优化第56-66页
    5.1 引言第56页
    5.2 燃烧系统优化目标分析第56-57页
    5.3 优化过程第57-58页
    5.4 单目标优化第58-62页
        5.4.1 以提高热效率为目标进行参数优化第58-60页
        5.4.2 以降低NOx排放量为目标进行参数优化第60-62页
    5.5 多目标综合优化第62-65页
        5.5.1 CFBB燃烧系统综合模型第62-63页
        5.5.2 CFBB燃烧系统多目标综合优化第63-65页
    5.6 本章小节第65-66页
结论第66-68页
参考文献第68-73页
攻读硕士学位期间承担的科研任务与主要成果第73-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:基于特征提取和度量学习的亲属关系认证算法研究
下一篇:基于动力学补偿的机器人腿部系统运动控制研究