电站锅炉受热面污染在线监测
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题背景 | 第9-13页 |
| ·锅炉受热面污染在线监测的意义 | 第9-10页 |
| ·受热面积灰结渣机理 | 第10-12页 |
| ·电站锅炉吹灰系统 | 第12-13页 |
| ·国内外受热面污染在线监测现状 | 第13-16页 |
| ·对流受热面污染监测 | 第14-15页 |
| ·炉膛结渣监测 | 第15-16页 |
| ·本文研究内容 | 第16-18页 |
| 第2章 人工神经网络 | 第18-31页 |
| ·人工神经网络简介 | 第18-22页 |
| ·人工神经元模型 | 第19-21页 |
| ·人工神经网络的拓扑结构 | 第21-22页 |
| ·人工神经网络的学习算法 | 第22页 |
| ·BP神经网络 | 第22-26页 |
| ·前向神经网络 | 第22-23页 |
| ·BP神经网络原理 | 第23-25页 |
| ·标准BP神经网络局限性 | 第25-26页 |
| ·BP算法的改进 | 第26-29页 |
| ·Levenberg-Marquardt算法 | 第27-28页 |
| ·BP网络泛化能力的提高——贝叶斯归一化 | 第28-29页 |
| ·基于MATLAB的BP神经网络设计 | 第29-31页 |
| 第3章 基于热平衡法的受热面污染在线监测 | 第31-43页 |
| ·基于热平衡法的对流受热面污染监测 | 第31-37页 |
| ·准备工作 | 第31-32页 |
| ·在线监测模型 | 第32-33页 |
| ·污染换热系数K_(si) | 第33-36页 |
| ·清洁换热系数K_(clean) | 第36-37页 |
| ·负荷变化时的动态模型 | 第37-40页 |
| ·实例计算结果及分析 | 第40-43页 |
| 第4章 基于神经网络法的受热面污染在线监测 | 第43-60页 |
| ·污染特征参数的选取 | 第43-44页 |
| ·对流受热面污染监测模型 | 第44-46页 |
| ·水冷壁污染监测模型 | 第46-48页 |
| ·神经网络监测模型的实现过程 | 第48-52页 |
| ·实验数据的采集 | 第48-49页 |
| ·实验数据的筛选 | 第49-50页 |
| ·网络结构的确定 | 第50-51页 |
| ·神经网络的训练与仿真 | 第51-52页 |
| ·在线数据的检测与预处理 | 第52-53页 |
| ·实例应用结果及分析 | 第53-60页 |
| 第5章 电站锅炉污染在线监测系统的开发 | 第60-69页 |
| ·系统集成 | 第60-62页 |
| ·硬件集成 | 第60-61页 |
| ·软件集成 | 第61-62页 |
| ·程序构架 | 第62-65页 |
| ·主程序开发 | 第62-63页 |
| ·SQL数据库开发 | 第63-65页 |
| ·Matlab与主程序通讯的实现 | 第65页 |
| ·软件功能展示 | 第65-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第74-75页 |
| 致谢 | 第75页 |
