首页--工业技术论文--能源与动力工程论文--热工量测和热工自动控制论文--量测技术及仪表论文

基于激光测量的炉膛参数建模及应用

摘要第5-6页
Abstract第6页
第1章 绪论第9-15页
    1.1 课题研究背景第9-11页
    1.2 电站锅炉的运行现状及优化方法第11-12页
    1.3 火力发电厂节能的主要技术措施第12-14页
        1.3.1 优化火电结构第12-13页
        1.3.2 机组运行优化技术第13-14页
    1.4 本文的主要研究内容第14-15页
第2章 激光测量系统的研究和应用第15-25页
    2.1 炉膛参数测量的重要性第15页
    2.2 传统测量技术简介及缺陷第15-19页
        2.2.1 接触式测温技术第16页
        2.2.2 非接触式测温技术第16-19页
    2.3 激光光谱测温技术介绍第19-20页
    2.4 ZoloBOSS 激光测量系统简介第20-23页
        2.4.1 ZoloBOSS 测量原理第21-22页
        2.4.2 ZoloBOSS 激光测量网第22-23页
    2.5 本章小结第23-25页
第3章 燃烧调整试验第25-30页
    3.1 火焰中心调整试验第26-27页
    3.2 平衡氧量分布试验第27-28页
    3.3 降低过氧量第28-29页
    3.4 本章小结第29-30页
第4章 火电厂 NO_X排放与燃烧效率的研究第30-37页
    4.1 火电厂氮氧化物的生成途径第30页
    4.2 影响氮氧化物生成的因素第30-32页
        4.2.1 煤种的影响第30-31页
        4.2.2 过量空气系数影响第31页
        4.2.3 锅炉负荷影响第31页
        4.2.4 一次风率第31-32页
        4.2.5 燃尽风第32页
    4.3 低氮氧化物燃烧技术第32-33页
    4.4 锅炉燃烧效率及其影响因素研究第33-36页
        4.4.1 锅炉的热平衡第33-34页
        4.4.2 排烟热损失q_2第34页
        4.4.3 气体未完全燃烧热损失q_3第34-35页
        4.4.4 固体未完全燃烧热损失q_4第35页
        4.4.5 散热损失q_5第35-36页
        4.4.6 灰渣物理热损失q_6第36页
    4.5 本章小结第36-37页
第5章 锅炉 NO_X排放及燃烧效率建模第37-52页
    5.1 神经网络第38-40页
        5.1.1 神经网络的基本原理与结构第38-40页
        5.1.2 神经网络训练与学习第40页
    5.2 BP 神经网络介绍第40-42页
        5.2.1 BP 网络结构和计算流程第40-42页
        5.2.2 BP 网络的改进第42页
    5.3 680MW 燃煤锅炉 NOX排放与燃烧效率建模第42-50页
        5.3.1 对象分析第43-44页
        5.3.2 锅炉 NOX排放特性与锅炉燃烧效率模型的建立第44-46页
        5.3.3 BP 网络模型的 NOX排放量输出第46-48页
        5.3.4 BP 网络模型的锅炉燃烧效率输出第48-50页
    5.4 燃烧优化平台设计第50-51页
    5.5 本章小结第51-52页
第6章 结论与展望第52-53页
    6.1 结论第52页
    6.2 展望第52-53页
参考文献第53-56页
在学期间发表的学术论文和参加科研情况第56-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:超临界锅炉中间点温度增益切换控制方法研究
下一篇:褐煤干燥与掺烧的实验和机理研究