| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题研究的背景及意义 | 第7-9页 |
| ·课题研究现状 | 第9-10页 |
| ·在线计算汽轮机排汽焓的研究现状 | 第9-10页 |
| ·负荷优化分配系统的研究现状 | 第10页 |
| ·本文主要研究内容 | 第10-12页 |
| 第二章 智能计算的基本理论 | 第12-23页 |
| ·人工神经网络 | 第12-18页 |
| ·人工神经网络简介 | 第12页 |
| ·人工神经网络的发展历史 | 第12-14页 |
| ·人工神经网络神经元模型 | 第14-16页 |
| ·人工神经网络的分类 | 第16-17页 |
| ·神经网络的仿真 | 第17页 |
| ·神经网络的学习与训练 | 第17-18页 |
| ·遗传算法概述 | 第18-22页 |
| ·遗传算法概述 | 第18-19页 |
| ·遗传算法的基本原理 | 第19页 |
| ·遗传算法的特点 | 第19页 |
| ·遗传算法的运算流程 | 第19-21页 |
| ·遗传算法的基本操作 | 第21-22页 |
| ·本章小节 | 第22-23页 |
| 第三章 基于径向基函数（RBF）神经网络的排汽焓的计算 | 第23-31页 |
| ·引言 | 第23页 |
| ·径向基函数网络结构 | 第23-24页 |
| ·径向基函数网络的学习 | 第24-26页 |
| ·建立径向基函数前向网络 | 第26页 |
| ·基于层次RBF神经网络排气焓计算算例 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于BP神经网络的汽轮机排汽焓计算 | 第31-37页 |
| ·前向型神经网络及相关定义 | 第31页 |
| ·BP网络和反向传播算法 | 第31-32页 |
| ·BP网络训练算法 | 第32-33页 |
| ·BP神经网络的特点及应用领域 | 第33页 |
| ·建立BP人工神经网络 | 第33-34页 |
| ·基于BP神经网络排气焓计算算例 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于遗传算法的火电机组负荷优化分配 | 第37-53页 |
| ·基本遗传算法 | 第37-41页 |
| ·初始化 | 第37-38页 |
| ·编码与译码 | 第38页 |
| ·选择/复制 | 第38-39页 |
| ·交叉 | 第39-40页 |
| ·变异 | 第40-41页 |
| ·遗传参数设置 | 第41页 |
| ·火电厂单元机组煤耗特性曲线的确定 | 第41-49页 |
| ·数据拟合所要解决的问题 | 第41-42页 |
| ·机组能耗特性数据的获取 | 第42-43页 |
| ·锅炉的效率 | 第43-45页 |
| ·单元机组能耗特性曲线的拟合 | 第45-49页 |
| ·机组负荷分配问题的数学模型 | 第49-51页 |
| ·目标函数的确定 | 第49-50页 |
| ·约束条件的确定 | 第50-51页 |
| ·遗传算法所得负荷分配结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |