| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 文献综述 | 第9-13页 |
| 1.1 炼焦 | 第9页 |
| 1.2 焦炉概述 | 第9-11页 |
| 1.2.1 焦炉结构 | 第9-11页 |
| 1.2.2 烟气再循环 | 第11页 |
| 1.3 NO_x排放危害和影响因素 | 第11页 |
| 1.4 烟气脱硝技术 | 第11-12页 |
| 1.5 人工神经网络研究现状 | 第12页 |
| 1.6 利用神经网络对焦炉燃烧室NO_x的控制并优化焦炉加热系统 | 第12-13页 |
| 第二章 焦炉氮氧化物生成机理及排放现状 | 第13-19页 |
| 2.1 焦炉NO_x生成机理及控制技术 | 第13-15页 |
| 2.1.1 温度热力型NO_x形成机理及控制 | 第13-14页 |
| 2.1.2 含N组分燃料型NO_x形成机理及控制 | 第14页 |
| 2.1.3 碳氢燃料快速型NO_x形成机理及控制 | 第14-15页 |
| 2.2 我国NO_x排放现状 | 第15-17页 |
| 2.3 国内外对NO_x排放所采取的控制对策 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 焦炉燃烧室NO_x排放测试及影响因素分析 | 第19-29页 |
| 3.1 焦炉燃烧室废气取样与分析 | 第19-21页 |
| 3.1.1 测量仪器的校准 | 第19页 |
| 3.1.2 主要的测量数据和测量要求 | 第19页 |
| 3.1.3 NO_x体积浓度单位与质量浓度单位的换算关系 | 第19-21页 |
| 3.2 现场采用的NO_x测量方案 | 第21-22页 |
| 3.3 焦炉加热燃烧控制 | 第22-25页 |
| 3.3.1 立火道温度控制系统 | 第23页 |
| 3.3.2 分烟道吸力控制系统 | 第23-25页 |
| 3.4 燃烧过程中影响NO_x生成的因素及其控制 | 第25-28页 |
| 3.4.1 焦炉燃烧过程概述 | 第25页 |
| 3.4.2 影响焦炉NO_x排放的几个主要因素 | 第25-27页 |
| 3.4.3 燃烧过程中控制NO_x排放的几种方法 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 人工神经网络在控制焦炉燃烧室NO_x中的应用 | 第29-40页 |
| 4.1 人工神经网络的基本结构 | 第29-32页 |
| 4.1.1 人工神经元的模型 | 第29-30页 |
| 4.1.2 单层神经元网络模型结构 | 第30-31页 |
| 4.1.3 人工神经网络建模原理 | 第31-32页 |
| 4.2 BP神经网络模型 | 第32-39页 |
| 4.2.1 BP神经网络的原理和结构 | 第32-33页 |
| 4.2.2 BP神经网络的逼近 | 第33页 |
| 4.2.3 BP神经网络的学习规则 | 第33-37页 |
| 4.2.4 BP神经网络的训练及其设计过程 | 第37-38页 |
| 4.2.5 BP神经网络的主要能力 | 第38-39页 |
| 4.2.6 BP神经网络的缺点和改进 | 第39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 焦炉燃烧室NO_x排放的控制及对焦炉加热工艺的优化 | 第40-54页 |
| 5.1 实验数据记录与处理 | 第40页 |
| 5.2 焦炉燃烧室的BP神经网络模型结构 | 第40-46页 |
| 5.2.1 网络输入层与输出层神经元的确定 | 第40页 |
| 5.2.2 隐层神经元数的确定 | 第40-41页 |
| 5.2.3 BP神经网络结构的确定 | 第41-42页 |
| 5.2.4 BP神经网络的学习训练 | 第42-43页 |
| 5.2.5 Matlab仿真结果 | 第43-46页 |
| 5.3 焦炉燃烧室NO_x排放特性预测与分析 | 第46-48页 |
| 5.4 焦炉燃烧室NO_x排放特性预测模型在实际项目中的应用 | 第48-52页 |
| 5.5 通过控制焦炉燃烧室NO_x排放对焦炉加热工艺的优化 | 第52-53页 |
| 5.6 本章小结 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录一 插图清单 | 第57-58页 |
| 附录二 插表清单 | 第58-59页 |
| 致谢 | 第59-60页 |
