发电锅炉飞灰含碳量软测量建模及燃烧优化运行研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 选题背景 | 第10页 |
| 1.2 选题意义 | 第10-11页 |
| 1.2.1 对锅炉燃烧状态影响 | 第10页 |
| 1.2.2 对煤耗的影响 | 第10页 |
| 1.2.3 对机组运行安全性影响 | 第10-11页 |
| 1.2.4 对环境的影响 | 第11页 |
| 1.3 国内外的研究现状 | 第11-13页 |
| 1.3.1 飞灰含碳量测量方法 | 第11-13页 |
| 1.3.2 锅炉机组优化运行及调整 | 第13页 |
| 1.4 本文的主要内容 | 第13-14页 |
| 第二章 飞灰含碳量影响因素分析及燃烧优化问题描述 | 第14-20页 |
| 2.1 火电机组及锅炉的结构 | 第14-16页 |
| 2.1.1 火力发电水汽、烟气循环系统 | 第15-16页 |
| 2.2 飞灰形成过程 | 第16页 |
| 2.3 影向飞灰含碳量的关键工况参数 | 第16-18页 |
| 2.3.1 挥发分的影响 | 第16页 |
| 2.3.2 灰分的影响 | 第16-17页 |
| 2.3.3 煤粉细度的影响 | 第17页 |
| 2.3.4 锅炉负荷的影响 | 第17页 |
| 2.3.5 配风方式的影响 | 第17-18页 |
| 2.3.6 一次风浓度的影响 | 第18页 |
| 2.3.7 一次风速的影响 | 第18页 |
| 2.3.8 热风温度的影响 | 第18页 |
| 2.4 煤粉燃烧调节措施 | 第18-20页 |
| 第三章 基于信息熵的改进BP神经网络研究 | 第20-33页 |
| 3.1 BP神经网络的基本原理 | 第20-24页 |
| 3.1.1 神经元简介 | 第20-21页 |
| 3.1.2 BP神经网络运算过程 | 第21-24页 |
| 3.2 BP算法的改进 | 第24-26页 |
| 3.2.1 利用动量法改进BP算法 | 第24-25页 |
| 3.2.2 自适应调整学习速率 | 第25-26页 |
| 3.2.3 动量-自适应学习速率调整算法 | 第26页 |
| 3.2.4 L-M学习规则 | 第26页 |
| 3.3 确定BP网络的结构 | 第26-27页 |
| 3.3.1 隐含层数的确定 | 第26页 |
| 3.3.2 BP网络常用传递函数 | 第26-27页 |
| 3.3.3 每层节点数的确定 | 第27页 |
| 3.4 误差的选取 | 第27-28页 |
| 3.5 神经网络误差函数改进 | 第28-33页 |
| 3.5.1 信息熵 | 第28页 |
| 3.5.2 神经网络误差函数改进 | 第28-30页 |
| 3.5.3 神经网络的学习误差函数设计 | 第30-31页 |
| 3.5.4 改进BP神经网络逼近 | 第31-33页 |
| 第四章 飞灰含碳量预测模型建立与实现 | 第33-47页 |
| 4.1 基于主元分析的变量选择 | 第33-36页 |
| 4.1.1 主元分析数学描述 | 第33-34页 |
| 4.1.2 主元计算分析 | 第34-35页 |
| 4.1.3 输入变量选择 | 第35-36页 |
| 4.2 数据采集和预处理 | 第36-39页 |
| 4.2.1 数据采集 | 第36-38页 |
| 4.2.2 数据处理 | 第38-39页 |
| 4.3 网络建立 | 第39-44页 |
| 4.3.1.隐含层节点选择 | 第39-41页 |
| 4.3.2.函数建立 | 第41-44页 |
| 4.4 飞灰含碳量与工况参数关系分析 | 第44-47页 |
| 第五章 基于狼群算法的锅炉运行优化 | 第47-55页 |
| 5.1 狼群算法介绍 | 第47-55页 |
| 5.1.1 引言 | 第47页 |
| 5.1.2 狼群算法原理 | 第47-49页 |
| 5.1.3 算法步骤 | 第49-50页 |
| 5.1.4 优化模型建立 | 第50-55页 |
| 第六章 总结 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间已发表的论文 | 第60-61页 |
| 致谢 | 第61页 |
