炉内燃烧工况分析与诊断
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·课题的国内外研究现状 | 第10-11页 |
| ·本文主要工作内容 | 第11-13页 |
| 第2章 电站锅炉经济性的影响因素分析 | 第13-19页 |
| ·锅炉热效率的影响 | 第13页 |
| ·排烟温度的影响 | 第13-15页 |
| ·锅炉热效率的计算 | 第13-14页 |
| ·与排烟温度有关的热损失 | 第14-15页 |
| ·飞灰含碳量的影响 | 第15-16页 |
| ·烟气含氧量的影响 | 第16-18页 |
| ·本章总结 | 第18-19页 |
| 第3章 数据获取与预处理 | 第19-42页 |
| ·获取电站运行数据 | 第19-20页 |
| ·去除数据中的噪声 | 第20-26页 |
| ·非参数回归模型介绍 | 第20-22页 |
| ·拟合 LOWESS 曲线 | 第22-25页 |
| ·利用 LOWESS 曲线去除噪声 | 第25-26页 |
| ·提取主要影响因素 | 第26-33页 |
| ·主成分分析方法简介 | 第26-30页 |
| ·利用主成分分析找到主要影响因素 | 第30-33页 |
| ·精简数据 | 第33-40页 |
| ·模糊 C 均值聚类介绍 | 第33-38页 |
| ·去除冗余数据 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 锅炉燃烧系统建模 | 第42-57页 |
| ·锅炉燃烧系统的特殊性 | 第42-43页 |
| ·燃烧系统建模算法——神经网络 | 第43-46页 |
| ·神经元模型 | 第43-44页 |
| ·网络结构 | 第44-45页 |
| ·学习过程 | 第45-46页 |
| ·BP 神经网络算法 | 第46-51页 |
| ·BP 神经网络原理 | 第46-49页 |
| ·BP 算法的改进 | 第49-50页 |
| ·网络的设计 | 第50-51页 |
| ·基于 BP 神经网络的燃烧系统建模 | 第51-56页 |
| ·BP 神经网络的设计 | 第51页 |
| ·建立 BP 神经网络的燃烧系统模型 | 第51-53页 |
| ·分析建模结果 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |
