热电锅炉燃烧过程建模与运行优化研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 热电锅炉燃烧控制与优化技术进展 | 第13-18页 |
| 1.2.1 建模与控制技术 | 第13-15页 |
| 1.2.2 燃烧优化技术 | 第15-17页 |
| 1.2.3 燃烧优化技术的应用 | 第17-18页 |
| 1.3 热电锅炉燃烧控制与优化研究中的若干问题 | 第18-20页 |
| 1.3.1 数据整合的重要性 | 第18-19页 |
| 1.3.2 经济与环保指标的建模 | 第19页 |
| 1.3.3 优化与控制的一体化 | 第19-20页 |
| 1.4 本文研究内容及章节安排 | 第20-22页 |
| 第二章 热电锅炉燃烧过程建模中的数据整合方法 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 协同过滤与离群点识别 | 第22-28页 |
| 2.2.1 协同过滤与降维方法 | 第22-24页 |
| 2.2.2 离群点与识别算法 | 第24-28页 |
| 2.3 数据整合效果验证 | 第28-33页 |
| 2.3.1 低位发热量数据的协同过滤 | 第28-30页 |
| 2.3.2 建模样本集的离群点识别 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 热电锅炉热效率与NOx排放量的建模研究 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 热效率与NOx排放量的模型结构 | 第34-35页 |
| 3.3 多模型建模方法 | 第35-39页 |
| 3.3.1 基于改进BP神经网络的MIV计算 | 第35-36页 |
| 3.3.2 LSSVM子模型建模 | 第36-38页 |
| 3.3.3 多模型加权连接 | 第38-39页 |
| 3.4 热效率与NOx排放量的模型验证 | 第39-42页 |
| 3.4.1 MIV计算与聚类分析 | 第39-41页 |
| 3.4.2 多模型建模效果验证 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 热电锅炉燃烧过程的优化与控制研究 | 第44-62页 |
| 4.1 引言 | 第44页 |
| 4.2 改进的量子遗传算法 | 第44-50页 |
| 4.2.1 量子遗传算法原理 | 第44-48页 |
| 4.2.2 改进的量子遗传算法 | 第48-49页 |
| 4.2.3 改进算法验证 | 第49-50页 |
| 4.3 IQGA在热电锅炉燃烧优化中的应用 | 第50-53页 |
| 4.3.1 燃烧的优化问题 | 第50-51页 |
| 4.3.2 燃烧优化的IQGA求解 | 第51-53页 |
| 4.4 氧量设定值优化的燃烧控制应用 | 第53-59页 |
| 4.4.1 广义预测控制算法 | 第53-56页 |
| 4.4.2 优化后的燃烧控制 | 第56-59页 |
| 4.5 本章小结 | 第59-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文研究工作总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 个人简历 | 第70页 |
| 攻读硕士期间科研成果 | 第70页 |
