锅炉燃烧优化实现闭环控制的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的背景和意义 | 第10-11页 |
| ·课题研究的现状 | 第11-14页 |
| ·理论建模燃烧优化技术 | 第13页 |
| ·基于神经网络的燃烧优化技术 | 第13-14页 |
| ·现有的燃烧优化方法存在的不足和难点 | 第14-15页 |
| ·本文的主要研究目的和研究内容 | 第15-16页 |
| ·本文的研究目的 | 第15页 |
| ·本文的研究内容 | 第15-16页 |
| 第2章 锅炉燃烧系统及其控制 | 第16-26页 |
| ·锅炉系统介绍 | 第16-22页 |
| ·锅炉型式 | 第16页 |
| ·锅炉燃烧及制粉系统 | 第16-18页 |
| ·锅炉机组性能计算原理热力特性 | 第18-20页 |
| ·机组在运行中存在的主要问题 | 第20-22页 |
| ·锅炉燃烧过程自动控制系统的任务 | 第22-23页 |
| ·燃烧控制任务 | 第22页 |
| ·燃烧系统简介 | 第22-23页 |
| ·参数优化的意义 | 第23页 |
| ·影响锅炉效率和NO_x排放的因素分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 RBF神经网络与燃烧优化过程优化 | 第26-39页 |
| ·神经网络概述 | 第26-28页 |
| ·神经网络的发展历史 | 第26-27页 |
| ·神经网络的应用 | 第27-28页 |
| ·RBF神经网络简介 | 第28-30页 |
| ·拓扑结构 | 第29页 |
| ·基函数和输出 | 第29-30页 |
| ·RBF网络的训练和学习方法 | 第30页 |
| ·RBF神经网络各项改进 | 第30-34页 |
| ·数据预处理 | 第30-32页 |
| ·利用加权聚类法动态调整中心 | 第32页 |
| ·隐含层节点的确定 | 第32-33页 |
| ·网络中参数的调整 | 第33-34页 |
| ·锅炉燃烧优化算法 | 第34-38页 |
| ·最优化问题的概述 | 第34-35页 |
| ·优化目标的确定 | 第35-36页 |
| ·约束条件的确定 | 第36页 |
| ·最优化算法的选择 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 锅炉燃烧神经网络模型建立 | 第39-51页 |
| ·影响燃烧优化的因素分析 | 第40-43页 |
| ·输入输出模型及结构的设定 | 第43页 |
| ·建模数据获得样本 | 第43-47页 |
| ·厂级监控信息系统 | 第44页 |
| ·工况分析模块 | 第44页 |
| ·数据选择的几个问题 | 第44-47页 |
| ·神经网络建模实验 | 第47-48页 |
| ·模型训练与测试 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 燃烧优化算法模型及实现方式探索 | 第51-59页 |
| ·锅炉燃烧控制的优化算法模型建立 | 第51-54页 |
| ·锅炉燃烧优化高效低NO_x优化系统实现 | 第51-52页 |
| ·优化模型的程序语言 | 第52-54页 |
| ·燃烧优化系统软件开发 | 第54页 |
| ·锅炉燃烧优化系统软件构成 | 第54页 |
| ·基于VC的OPC程序开发 | 第54页 |
| ·软件界面 | 第54-56页 |
| ·600MW机组的燃烧优化软件运行结果及分析 | 第56-57页 |
| ·优化系统闭环研究初探 | 第57-58页 |
| ·优化系统实现 | 第57-58页 |
| ·闭环模式的提出 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第6章 结论和展望 | 第59-61页 |
| ·结论 | 第59-60页 |
| ·展望及建议 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第64-65页 |
| 致谢 | 第65页 |
