| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 第一章 绪论 | 第10-25页 |
| ·选题背景和意义 | 第10-12页 |
| ·火电机组仿真技术的发展方向 | 第12-18页 |
| ·电站仿真模型技术的发展 | 第13-14页 |
| ·支撑技术与DCS 仿真的发展 | 第14-18页 |
| ·机理模型误差分析 | 第18-21页 |
| ·参数优化方法的分类及研究现状 | 第21-24页 |
| ·机理模型参数优化的研究现状 | 第21-23页 |
| ·目前存在的问题 | 第23-24页 |
| ·研究的主要内容 | 第24-25页 |
| 第二章 锅炉汽水系统典型设备数学模型及其参数分析 | 第25-50页 |
| ·STAR-90 仿真支撑系统介绍 | 第25-27页 |
| ·STAR-90 仿真支撑系统特点 | 第25-26页 |
| ·模块化建模方法 | 第26-27页 |
| ·典型数学模型和参数分析 | 第27-35页 |
| ·单相介质换热器模型 | 第27-29页 |
| ·水冷壁模型 | 第29-30页 |
| ·汽包数学模型 | 第30-31页 |
| ·炉内辐射换热模型 | 第31-34页 |
| ·压力节点模型 | 第34-35页 |
| ·典型模型静态动态参数分析 | 第35-47页 |
| ·单相介质换热器模型参数分析 | 第35-44页 |
| ·水冷壁模型参数分析 | 第44-45页 |
| ·辐射换热模型参数分析 | 第45-47页 |
| ·锅炉汽水系统模块图 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 遗传算法在锅炉汽水系统模型参数优化中的应用 | 第50-65页 |
| ·遗传算法概述 | 第50-54页 |
| ·基本遗传算法的定义 | 第51-52页 |
| ·基本遗传算法的实现 | 第52-54页 |
| ·高温过热器数学模型参数优化 | 第54-60页 |
| ·稳态误差的参数优化 | 第55-58页 |
| ·动态误差的参数优化 | 第58-60页 |
| ·遗传算法对其他受热面模型的优化 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 神经网络在模型优化中的应用 | 第65-84页 |
| ·神经网络概述 | 第65-70页 |
| ·神经元模型和神经网络 | 第65-66页 |
| ·BP 神经网络 | 第66-70页 |
| ·BP 神经网络映射高温过热器模型优化数据 | 第70-80页 |
| ·BP 网络结构和参数 | 第70-72页 |
| ·学习样本的获得 | 第72页 |
| ·神经网络学习 | 第72-79页 |
| ·映射结果验证 | 第79-80页 |
| ·汽水模型参数优化库的建立 | 第80页 |
| ·神经网络和遗传算法结合的模型系统优化 | 第80-82页 |
| ·优化方案 | 第80-81页 |
| ·优化结果 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 智能化模型结构研究 | 第84-91页 |
| ·数学建模过程分析 | 第84-87页 |
| ·集成化和智能化模型结构 | 第87-88页 |
| ·IIMS 的示例 | 第88-89页 |
| ·IIMS 的意义 | 第89-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 结论 | 第91-94页 |
| 主要研究成果 | 第91-92页 |
| 后续研究 | 第92-94页 |
| 参考文献 | 第94-104页 |
| 致谢 | 第104-105页 |
| 个人简历、在学期间参加的科研工作及学术论文发表 | 第105-106页 |