| 中文摘要 | 第1页 |
| ABSTRACT | 第4-8页 |
| 主要符号表 | 第8-10页 |
| 第一章 引言 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要研究内容与目的 | 第13-14页 |
| 第二章 建模构造及预数值计算 | 第14-19页 |
| ·专家系统建模的构造 | 第14-17页 |
| ·系统输入参数的选取 | 第14-16页 |
| ·系统输出参数的选取 | 第16-17页 |
| ·预数值计算的说明 | 第17-19页 |
| 第三章 基于人工神经网络的系统模型 | 第19-43页 |
| ·人工神经网络简介 | 第19-26页 |
| ·人工神经网络的发展及应用 | 第19页 |
| ·人工神经网络的模型 | 第19-22页 |
| ·神经元模型 | 第19-21页 |
| ·人工神经网络模型 | 第21-22页 |
| ·人工神经网络的结构与特性 | 第22-25页 |
| ·人工神经网络的功能 | 第25-26页 |
| ·人工神经网络的学习与训练 | 第25页 |
| ·人工神经网络的仿真 | 第25-26页 |
| ·BP 神经网络 | 第26-31页 |
| ·BP 神经网络的结构 | 第26-27页 |
| ·BP 神经网络的原理 | 第27-29页 |
| ·BP 神经网络的研究 | 第29-31页 |
| ·BP 网络隐节点数的确定 | 第29-30页 |
| ·提高网络泛化能力的途径 | 第30页 |
| ·提高收敛速度的方法探讨 | 第30-31页 |
| ·BP 网络算法设计及改进 | 第31-36页 |
| ·传统BP 算法的设计实现 | 第31-33页 |
| ·BP 算法的研究及改进 | 第33-36页 |
| ·附加动量法 | 第33-34页 |
| ·自适应学习率 | 第34页 |
| ·BP 算法的改进 | 第34-36页 |
| ·锅炉燃烧优化的神经网络模型 | 第36-43页 |
| ·研究对象概况 | 第36-37页 |
| ·神经网络模型的输入输出 | 第37-38页 |
| ·神经网络模型的样本处理 | 第38-40页 |
| ·网络模型的建立 | 第40-43页 |
| 第四章 基于预数值计算及神经网络预测的燃烧优化评判系统 | 第43-58页 |
| ·模糊综合评判基本原理 | 第43-45页 |
| ·单层次模糊综合评判模型 | 第43-44页 |
| ·多层次模糊综合评判模型 | 第44-45页 |
| ·锅炉燃烧工况的综合评判模型 | 第45-58页 |
| ·燃烧工况评判因素集的建立 | 第45-47页 |
| ·影响锅炉燃烧经济性的因素集 | 第45-46页 |
| ·影响锅炉燃烧安全性的因素集 | 第46-47页 |
| ·影响锅炉燃烧环保性的因素集 | 第47页 |
| ·燃烧工况评判评价集的建立 | 第47页 |
| ·燃烧工况评判各因素隶属函数的确定 | 第47-56页 |
| ·确定隶属函数的方法 | 第47-48页 |
| ·综合评判各因素隶属函数的确定 | 第48-56页 |
| ·燃烧工况评判各因素权重的确定 | 第56-58页 |
| 第五章 燃烧优化专家系统的开发 | 第58-66页 |
| ·燃烧优化专家系统简介 | 第58-59页 |
| ·燃烧优化专家系统主要功能 | 第59-63页 |
| ·训练样本 | 第59-60页 |
| ·预测指标 | 第60页 |
| ·燃烧工况评价 | 第60-61页 |
| ·辅助功能介绍 | 第61-63页 |
| ·燃烧优化专家系统主要界面 | 第63-66页 |
| 第六章 结论 | 第66-68页 |
| ·本文的主要研究成果 | 第66页 |
| ·进一步研究工作的展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文和参加科研情况 | 第73-74页 |
| 详细摘要 | 第74-83页 |