基于RBF神经网络的循环灰利用率软测量技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·烟气脱硫概况 | 第10-13页 |
| ·国外烟气脱硫技术现状 | 第12页 |
| ·国内烟气脱硫技术现状 | 第12-13页 |
| ·循环流化床工艺及研究现状简介 | 第13-18页 |
| ·循环流化床烟气脱硫工艺概况 | 第13-15页 |
| ·循环流化床烟气脱硫机理 | 第15-17页 |
| ·循环流化床烟气脱硫研究现状 | 第17-18页 |
| ·研究循环灰利用率的意义 | 第18-20页 |
| ·本文所作的主要工作 | 第20-22页 |
| 第2章 软测量基本原理及辅助变量的分析 | 第22-42页 |
| ·软测量技术简介 | 第22页 |
| ·软测量技术基本原理 | 第22-23页 |
| ·软测量过程实现的设计方法 | 第23-25页 |
| ·软测量建模方法 | 第25-30页 |
| ·影响软测量性能的因素 | 第30-32页 |
| ·辅助变量的选择 | 第30页 |
| ·测量数据的采集与预处理 | 第30-32页 |
| ·软测量模型的校正 | 第32页 |
| ·软测量模型中辅助变量的选择与分析 | 第32-40页 |
| ·喷水量对循环灰利用率的影响 | 第32-34页 |
| ·新鲜脱硫剂的量对循环灰利用率的影响 | 第34-35页 |
| ·循环灰量对循环灰利用率的影响 | 第35-36页 |
| ·入口SO_2浓度对循环灰利用率的影响 | 第36-37页 |
| ·入口烟气温度对循环灰利用率的影响 | 第37-39页 |
| ·入口烟气流量对循环灰利用率的影响 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第3章 神经网络及其算法的研究 | 第42-62页 |
| ·人工神经网络简介 | 第42-43页 |
| ·RBF神经网络 | 第43-48页 |
| ·RBF网络的结构 | 第44-46页 |
| ·RBF网络的学习算法 | 第46-48页 |
| ·基于PSO的RBF神经网络算法的研究 | 第48-58页 |
| ·粒子群优化算法 | 第48-53页 |
| ·粒子群算法分析与改进 | 第53-56页 |
| ·MPSO-RBF策略基本思想 | 第56页 |
| ·MPSO-RBF策略操作设计及算法流程 | 第56-58页 |
| ·仿真结果分析 | 第58-62页 |
| 第4章 循环灰利用率软测量模型的建立 | 第62-72页 |
| ·软测量模型建立的实现流程 | 第62-64页 |
| ·RBF神经网络软测量模型的建立 | 第64-66页 |
| ·软测量模型的仿真结果 | 第66-68页 |
| ·软测量模型的检验与校正 | 第68-70页 |
| ·模型的检验 | 第68-69页 |
| ·模型的校正 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
