基于数据融合的锅炉低负荷下燃烧稳定性判断
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-12页 |
| ·选题的背景及意义 | 第6页 |
| ·相关研究 | 第6-9页 |
| ·存在问题 | 第8-9页 |
| ·研究内容及意义 | 第9-11页 |
| ·低负荷工况 | 第9-10页 |
| ·主要内容 | 第10-11页 |
| ·论文结构安排 | 第11页 |
| ·本章小结 | 第11-12页 |
| 第二章 燃烧稳定性因素分析 | 第12-19页 |
| ·影响燃烧稳定性因素 | 第12-14页 |
| ·煤质 | 第12-13页 |
| ·负荷 | 第13页 |
| ·煤粉浓度 | 第13页 |
| ·一次风温与风速 | 第13页 |
| ·煤粉细度 | 第13-14页 |
| ·其它因素 | 第14页 |
| ·反映燃烧稳定性因素 | 第14-17页 |
| ·炉膛压力 | 第14-16页 |
| ·产生机理 | 第14-15页 |
| ·目前研究情况 | 第15-16页 |
| ·火检信号 | 第16-17页 |
| ·检测原理 | 第16-17页 |
| ·目前研究情况 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第三章 数据融合介绍 | 第19-28页 |
| ·产生背景和基本概念 | 第19-20页 |
| ·数据融合的层次 | 第20-21页 |
| ·数据融合的方法 | 第21-26页 |
| ·贝叶斯估计 | 第21-23页 |
| ·基本概念 | 第21-22页 |
| ·推断原则 | 第22-23页 |
| ·D-S证据理论 | 第23-26页 |
| ·基本定义 | 第23-25页 |
| ·组合规则 | 第25页 |
| ·决策 | 第25-26页 |
| ·数据融合的优点 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 实现过程 | 第28-47页 |
| ·研究对象 | 第28-29页 |
| ·火检信号特征量的提取 | 第29-36页 |
| ·火焰特征量介绍 | 第35-36页 |
| ·基于 Kohonen神经网络的燃烧稳定性判断 | 第36-39页 |
| ·Kohonen自组织神经网络 | 第36页 |
| ·Kohonon自组织神经网络的结构和算法 | 第36-38页 |
| ·训练结果 | 第38-39页 |
| ·基于 BP神经网络的火检信号可信度分配 | 第39-41页 |
| ·BP神经网络介绍 | 第39-40页 |
| ·BP神经网络训练过程 | 第40-41页 |
| ·训练结果 | 第41页 |
| ·炉膛压力信号可信度的获取 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 例子分析与展望研究 | 第47-50页 |
| ·例子分析 | 第47-48页 |
| ·展望研究 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 结论 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 在学校期间发表的学术论文和参加科研情况 | 第55页 |
