| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 NOx生成机理 | 第12-16页 |
| 1.4 课题来源 | 第16页 |
| 1.5 课题研究内容 | 第16-17页 |
| 第2章 锅炉燃烧模型的建立 | 第17-28页 |
| 2.1 研究对象介绍 | 第17页 |
| 2.2 建模数据处理 | 第17-19页 |
| 2.3 基于BP神经网络的锅炉燃烧建模 | 第19-23页 |
| 2.3.1 BP人工神经网络 | 第19-21页 |
| 2.3.2 锅炉燃烧特性建模 | 第21-23页 |
| 2.4 锅炉燃烧模型的建模效果评估 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于遗传算法的优化实验分析 | 第28-42页 |
| 3.1 锅炉燃烧优化介绍 | 第28页 |
| 3.2 基于遗传算法的锅炉燃烧优化模型的建立 | 第28-32页 |
| 3.3 基于BP-GA算法的锅炉燃烧优化 | 第32-40页 |
| 3.3.1 锅炉燃烧优化模型相关参数的设置 | 第32页 |
| 3.3.2 锅炉燃烧优化模型优化结果 | 第32-33页 |
| 3.3.3 锅炉燃烧优化分权重比例系数分析 | 第33-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 基于MOEA/D算法的锅炉燃烧多目标优化分析 | 第42-54页 |
| 4.1 多目标优化相关定义 | 第42-44页 |
| 4.2 基于分解的多目标进化算法 | 第44-46页 |
| 4.3 锅炉燃烧多目标优化建模 | 第46-50页 |
| 4.4 锅炉燃烧优化算法对比分析 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 300MW燃煤锅炉的燃烧优化 | 第54-69页 |
| 5.1 基于改进BP-GA算法的 300MW负荷燃烧优化 | 第54-62页 |
| 5.1.1 研究对象介绍 | 第54页 |
| 5.1.2 BP神经网络模型 | 第54-57页 |
| 5.1.3 基于改进遗传算法的锅炉燃烧优化模型 | 第57-62页 |
| 5.2 基于VEGA算法的 300MW和 270MW负荷下的燃烧优化 | 第62-68页 |
| 5.2.1 BP神经网络模型 | 第62-65页 |
| 5.2.2 基于BP-VEGA的锅炉燃烧优化模型 | 第65-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间的研究成果 | 第76页 |
