| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 引言 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 脱硝技术的分类 | 第11-12页 |
| 1.2.2 国内外脱硝技术的研究现状 | 第12-13页 |
| 1.3 神经网络的发展 | 第13-14页 |
| 1.4 本文主要内容 | 第14-15页 |
| 第2章 BP神经网络基本理论 | 第15-25页 |
| 2.1 神经网络结构 | 第15-16页 |
| 2.2 BP神经网络算法 | 第16页 |
| 2.3 BP神经网络标准算法的步骤 | 第16-18页 |
| 2.4 BP神经网络建模基本步骤 | 第18-24页 |
| 2.4.1 数据归一化 | 第19页 |
| 2.4.2 BP神经网络层数及各层神经元数的设定 | 第19-21页 |
| 2.4.3 BP神经网络传递函数的选择 | 第21页 |
| 2.4.4 初始化权值和阈值 | 第21-22页 |
| 2.4.5 学习速度的设定 | 第22页 |
| 2.4.6 BP优化算法的选择 | 第22-23页 |
| 2.4.7 网络性能评价 | 第23-24页 |
| 2.5 BP神经网络的不足 | 第24页 |
| 2.6 本章主要内容 | 第24-25页 |
| 第3章 SCR脱销系统BP神经网络建模 | 第25-45页 |
| 3.1 SCR脱硝过程机理分析 | 第25-30页 |
| 3.1.1 引言 | 第25页 |
| 3.1.2 SCR脱销系统工艺流程和反应机理 | 第25-27页 |
| 3.1.3 SCR脱硝过程影响因素分析 | 第27-28页 |
| 3.1.4 SCR脱硝过程的出口NOx浓度影响因素分析 | 第28-30页 |
| 3.2 神经网络输入输出变量的选择 | 第30-34页 |
| 3.2.1 现场数据的采集 | 第30页 |
| 3.2.2 SCR脱硝过程网络模型输入变量的选择 | 第30-34页 |
| 3.3 BP神经网络模型的构建 | 第34-40页 |
| 3.3.1 数据的预处理 | 第34-38页 |
| 3.3.2 神经网络隐含层神经元数的确定 | 第38页 |
| 3.3.3 神经网络传递函数的选择 | 第38-39页 |
| 3.3.4 神经网络训练函数的选择 | 第39-40页 |
| 3.4 神经网络模型的确定 | 第40-44页 |
| 3.4.1 训练次数和训练误差的确定 | 第41页 |
| 3.4.2 网络的训练 | 第41-42页 |
| 3.4.3 模型的测试 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于神经网络模型的自适应控制 | 第45-53页 |
| 4.1 自适应控制 | 第45-47页 |
| 4.2 神经网络自适应控制 | 第47-48页 |
| 4.3 基于神经网络自适应控制的出口NO_x浓度控制策略研究 | 第48-52页 |
| 4.3.1 神经网络控制器设计 | 第49-51页 |
| 4.3.2 仿真研究 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 全文总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |