| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 选题背景及其意义 | 第9页 |
| 1.2 国内外NO_x减排技术概况 | 第9-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 第2章 NO_x生成机理和SCR脱硝系统 | 第12-18页 |
| 2.1 NO_x的生成机理 | 第12-13页 |
| 2.2 SCR脱硝系统介绍 | 第13-14页 |
| 2.2.1 布置工艺 | 第13-14页 |
| 2.2.2 反应原理 | 第14页 |
| 2.3 SCR脱硝系统控制策略介绍 | 第14-17页 |
| 2.3.1 固定摩尔比控制方式 | 第15页 |
| 2.3.2 设定出口NO_x浓度值控制方式 | 第15-16页 |
| 2.3.3 复合控制方式 | 第16-17页 |
| 2.4 复合控制方式的缺陷 | 第17页 |
| 2.5 本章小结 | 第17-18页 |
| 第3章 基于神经网络的SCR反应器入口NO_x软测量模型 | 第18-33页 |
| 3.1 人工神经网络概述 | 第18-19页 |
| 3.2 BP神经网络建模方法 | 第19-23页 |
| 3.3 BP网络建模方法优化 | 第23-27页 |
| 3.3.1 基于互信息的辅助变量筛选算法 | 第23-26页 |
| 3.3.2 遗传算法对BP神经网络训练初始权值的优化 | 第26-27页 |
| 3.4 基于现场数据的SCR反应器入口NO_x软测量模型 | 第27-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于预测控制的SCR脱硝控制系统仿真 | 第33-51页 |
| 4.1 SCR脱硝反应器模型辨识 | 第33-43页 |
| 4.1.1 递推最小二乘模型辨识方法 | 第33-36页 |
| 4.1.2 SCR系统迟延时间辨识方法 | 第36-38页 |
| 4.1.3 基于现场数据的SCR脱硝反应器模型辨识 | 第38-43页 |
| 4.2 动态矩阵控制 | 第43-47页 |
| 4.2.1 预测模型 | 第43页 |
| 4.2.2 滚动优化 | 第43-46页 |
| 4.2.3 反馈校正 | 第46-47页 |
| 4.3 SCR脱硝控制系统仿真 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 前馈预测控制在实际SCR脱硝控制系统优化中的应用 | 第51-58页 |
| 5.1 某电厂脱硝控制系统现存控制问题分析 | 第51-52页 |
| 5.2 基于前馈预测控制的脱硝控制系统优化 | 第52-55页 |
| 5.3 优化效果分析 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 结论与展望 | 第58-59页 |
| 6.1 结论 | 第58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间的成果 | 第62-63页 |
| 致谢 | 第63页 |
