基于人工神经网络的锅炉对流受热面污染监测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题背景 | 第8-10页 |
| ·锅炉受热面积灰结渣的危害 | 第8-9页 |
| ·电站锅炉受热面吹灰现存问题 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·主要研究内容 | 第12-14页 |
| ·课题的研究工作 | 第13-14页 |
| ·监测系统的主要功能 | 第14页 |
| ·研究对象概况 | 第14-18页 |
| ·锅炉本体简介 | 第14页 |
| ·锅炉受热面吹灰系统和运行介绍 | 第14-18页 |
| 第二章 用于锅炉受热面污染监测的人工神经网络 | 第18-32页 |
| ·人工神经网络简介 | 第18-19页 |
| ·人工神经网络的信息处理能力及其应用 | 第19-20页 |
| ·人工神经网络模型 | 第20-23页 |
| ·人工神经元数学模型 | 第20-22页 |
| ·人工神经网络的拓扑结构 | 第22-23页 |
| ·人工神经网络的学习方式 | 第23-24页 |
| ·前馈神经网络及BP 训练算法 | 第24-29页 |
| ·前馈神经网络 | 第24-25页 |
| ·反向传播算法的数学描述 | 第25-29页 |
| ·BP 算法的一些改进措施 | 第29-31页 |
| ·网络的训练 | 第31-32页 |
| 第三章 锅炉受热面污染监测神经网络模型的实现 | 第32-44页 |
| ·锅炉受热面基本传热模型 | 第32-33页 |
| ·锅炉受热面积灰沾污特性分析 | 第33-35页 |
| ·炉内过量空气系数的影响 | 第33-34页 |
| ·锅炉出力的影响 | 第34-35页 |
| ·吹灰的影响 | 第35页 |
| ·受热面传热基本关联式 | 第35-36页 |
| ·受热面灰污变量分析 | 第36-39页 |
| ·受热面灰污监测BP 神经网络模型 | 第39-40页 |
| ·输入层节点的确定 | 第39页 |
| ·输出层节点的确定 | 第39页 |
| ·隐层数目及隐层节点的确定 | 第39-40页 |
| ·BP 神经网络模型的训练 | 第40-44页 |
| ·样本的选取 | 第41页 |
| ·数据的预处理 | 第41-42页 |
| ·模型的训练 | 第42-44页 |
| 第四章 锅炉受热面积灰结渣在线实时监测结果分析 | 第44-54页 |
| ·锅炉受热面吹灰系统分析 | 第44-45页 |
| ·模型测试安排 | 第45-46页 |
| ·模型测试结果及分析 | 第46-52页 |
| ·第十组吹灰测试结果及分析 | 第46-47页 |
| ·第九组吹灰测试结果及分析 | 第47-48页 |
| ·第八组吹灰测试结果及分析 | 第48-50页 |
| ·空气预热器吹灰测试结果及积灰特性分析 | 第50-52页 |
| ·用监测结果优化吹灰 | 第52-53页 |
| ·现场试验总结 | 第53-54页 |
| 第五章 实时监测系统的实现 | 第54-66页 |
| ·在线监测系统的主要功能 | 第54-55页 |
| ·受热面污染状态监测 | 第54页 |
| ·锅炉性能计算 | 第54页 |
| ·数据趋势曲线查询 | 第54-55页 |
| ·自由报表 | 第55页 |
| ·手工输入 | 第55页 |
| ·系统实时数据采集的实现 | 第55-57页 |
| ·PI 时间与系统时间 | 第56页 |
| ·PI 系统点号、点类型的查询 | 第56-57页 |
| ·PI 系统实时和历史查询的实现 | 第57页 |
| ·在线监测系统的实现 | 第57-60页 |
| ·系统运行主要界面 | 第60-64页 |
| ·软件启动 | 第60页 |
| ·客户端浏览 | 第60-64页 |
| ·系统现场运行总结 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 硕士期间发表的论文 | 第73页 |
