基于改进磷虾群算法的汽轮机真空优化方法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 凝汽器真空优化的研究现状 | 第11-13页 |
| 1.3 神经网络的应用现状 | 第13-14页 |
| 1.4 智能优化算法的概述 | 第14-16页 |
| 1.5 本文的研究内容及结构 | 第16-17页 |
| 第2章 ELMAN动态神经网络 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 BP神经网络基本理论 | 第17-21页 |
| 2.2.1 神经元和BP网络的结构 | 第17-18页 |
| 2.2.2 BP网络的学习算法 | 第18-21页 |
| 2.3 ELMAN网络模型 | 第21-25页 |
| 2.3.1 Elman神经网络特点 | 第22-23页 |
| 2.3.2 Elman神经网络的算法过程 | 第23-24页 |
| 2.3.3 Elman神经网络的预测流程 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 磷虾群优化算法及其改进 | 第26-49页 |
| 3.1 磷虾群算法的简介 | 第26-33页 |
| 3.1.1 磷虾群的种群行为 | 第26-27页 |
| 3.1.2 磷虾种群行为的拉格朗日模型 | 第27-31页 |
| 3.1.3 磷虾群算法的寻优过程 | 第31页 |
| 3.1.4 遗传因子 | 第31-32页 |
| 3.1.5 磷虾群算法的具体步骤 | 第32-33页 |
| 3.2 对磷虾群算法的改进 | 第33-35页 |
| 3.3 其他智能优化算法的介绍 | 第35-39页 |
| 3.3.1 万有引力优化算法 | 第35-37页 |
| 3.3.2 生物地理学优化算法 | 第37-39页 |
| 3.4 仿真实验与结果分析 | 第39-47页 |
| 3.4.1 测试函数 | 第39-40页 |
| 3.4.2 参数设置 | 第40-41页 |
| 3.4.3 实验结果及分析 | 第41-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于ELMAN的凝汽器真空模型的建立 | 第49-62页 |
| 4.1 凝汽器的相关知识 | 第49-50页 |
| 4.1.1 凝汽器的结构 | 第49页 |
| 4.1.2 凝汽器的主要作用 | 第49-50页 |
| 4.1.3 凝汽器真空形成的机理及真空下将的危害 | 第50页 |
| 4.2 凝汽器最佳真空的计算 | 第50-51页 |
| 4.3 凝汽器真空模型的建立及分析 | 第51-61页 |
| 4.3.1 建模方法的分析 | 第51-52页 |
| 4.3.2 真空模型参数的选取 | 第52-53页 |
| 4.3.3 基于Elman网络建模的网络参数设定 | 第53-54页 |
| 4.3.4 真空模型的预测及模型分析 | 第54-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 汽轮机凝汽器真空的优化 | 第62-75页 |
| 5.1 汽轮机结构 | 第62-63页 |
| 5.2 凝汽器的重要性 | 第63-64页 |
| 5.3 凝汽器真空分析的理论依据 | 第64-68页 |
| 5.4 凝汽器真空数学模型的优化 | 第68页 |
| 5.5 凝汽器真空优化 | 第68-74页 |
| 5.6 本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84页 |
