基于神经网络的火电机组性能在线监测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·国内外机组性能在线监测的研究现状 | 第11-14页 |
| ·飞灰含碳量在线监测的研究现状 | 第11-13页 |
| ·烟气含氧量在线监测的研究现状 | 第13-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 第2章 神经网络算法概述 | 第16-27页 |
| ·人工神经网络简介 | 第16-19页 |
| ·人工神经网络的发展 | 第16-17页 |
| ·人工神经网络生物学基础 | 第17-18页 |
| ·人工神经元模型 | 第18-19页 |
| ·BP 神经网络 | 第19-24页 |
| ·BP 神经网络概述 | 第19-20页 |
| ·BP 网络学习规则 | 第20-21页 |
| ·BP 网络的改进算法 | 第21-23页 |
| ·BP 网络的优点及不足 | 第23-24页 |
| ·模糊神经网络 | 第24-26页 |
| ·模糊理论概述 | 第24页 |
| ·模糊神经网络 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于神经网络的飞灰含碳量的预测 | 第27-44页 |
| ·飞灰含碳量的影响因素 | 第27-29页 |
| ·控制飞灰含碳量的原因 | 第27-28页 |
| ·影响飞灰含碳量的因素分析 | 第28-29页 |
| ·BP 神经网络预测模型 | 第29-33页 |
| ·研究对象简介 | 第29页 |
| ·BP 神经网络模型 | 第29-30页 |
| ·数据的预处理和选择 | 第30-31页 |
| ·初期输入参数的选择和网络结构的确定 | 第31-33页 |
| ·关键输入参数确定 | 第33-37页 |
| ·Garson 方法 | 第33-35页 |
| ·灵敏度分析方法 | 第35-36页 |
| ·两种方法比较 | 第36页 |
| ·BP 模型的预测结果 | 第36-37页 |
| ·模糊神经网络预测模型 | 第37-40页 |
| ·模糊神经网络算法 | 第37-39页 |
| ·模糊神经网络模型预测结果 | 第39-40页 |
| ·BP 算法和模糊神经网络算法预测结果对比 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于神经网络的烟气含氧量的预测 | 第44-54页 |
| ·控制烟气含氧量的原因 | 第44页 |
| ·初期输入参数的选择和 BP 网络结构的确定 | 第44-45页 |
| ·关键输入参数确定 | 第45-49页 |
| ·Garson 方法 | 第46页 |
| ·灵敏度分析方法 | 第46-47页 |
| ·两种方法比较 | 第47-48页 |
| ·BP 模型的预测结果 | 第48-49页 |
| ·模糊神经网络模型预测结果 | 第49-50页 |
| ·BP 算法和模糊神经网络算法预测结果对比 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 预测模型在火电机组在线监测中的应用 | 第54-61页 |
| ·MATLAB 产生 COM 组件 | 第54-56页 |
| ·利用主程序实现在线监测 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 结论与展望 | 第61-63页 |
| ·全文工作总结 | 第61-62页 |
| ·下一步工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-67页 |
| 致谢 | 第67页 |
