| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 研究现状与发展趋势 | 第11-15页 |
| 1.2.1 基于热工检测技术的燃烧优化 | 第11-13页 |
| 1.2.2 基于人工智能技术的燃烧优化 | 第13-14页 |
| 1.2.3 未来发展趋势 | 第14-15页 |
| 1.3 本文主要内容 | 第15-17页 |
| 第2章 电站锅炉燃烧优化技术 | 第17-24页 |
| 2.1 燃烧优化的目的 | 第17页 |
| 2.2 影响炉内燃烧的主要因素 | 第17-19页 |
| 2.3 配风优化技术 | 第19-21页 |
| 2.4 低氮燃烧技术 | 第21-23页 |
| 2.4.1 空气分级燃烧技术 | 第22页 |
| 2.4.2 燃料分级燃烧技术 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 燃烧优化控制系统的设计方案 | 第24-31页 |
| 3.1 系统设计的需求分析 | 第24-26页 |
| 3.1.1 功能需求分析 | 第24页 |
| 3.1.2 LabVIEW开发平台的优势 | 第24-26页 |
| 3.2 设计方案 | 第26-30页 |
| 3.2.1 用户登录与管理功能的设计 | 第26-27页 |
| 3.2.2 OPC通信与状态监测的设计 | 第27-29页 |
| 3.2.3 燃烧优化功能的设计 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 锅炉燃烧系统软测量模型的设计 | 第31-38页 |
| 4.1 研究对象 | 第31-32页 |
| 4.2 基于BP神经网络的软测量 | 第32-34页 |
| 4.2.1 锅炉燃烧系统的神经网络软测量模型 | 第32页 |
| 4.2.2 软测量实验结果与分析 | 第32-34页 |
| 4.3 基于LS-SVM模型的软测量 | 第34-37页 |
| 4.3.1 最小二乘支持向量机 | 第34-35页 |
| 4.3.2 鲁棒交叉验证LS-SVM理论 | 第35页 |
| 4.3.3 锅炉燃烧系统的RCV-LSSVM软测量模型 | 第35-36页 |
| 4.3.4 软测量实验结果与分析 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 燃烧优化目标与智能优化算法的设计 | 第38-45页 |
| 5.1 多目标优化函数的设计 | 第38页 |
| 5.2 差分进化算法的优化设计 | 第38-41页 |
| 5.2.1 算法的初始化 | 第39页 |
| 5.2.2 变异操作的改进 | 第39-40页 |
| 5.2.3 二项式交叉和适应度选择 | 第40-41页 |
| 5.3 差分进化算法的测试与参数分析 | 第41-44页 |
| 5.4 本章小结 | 第44-45页 |
| 第6章 燃烧优化的数值模拟与离线测试 | 第45-54页 |
| 6.1 锅炉燃烧优化的数值分析 | 第45-50页 |
| 6.1.1 温度场分布 | 第46-48页 |
| 6.1.2 NO_x浓度分布 | 第48-50页 |
| 6.2 燃烧优化测试方案 | 第50-53页 |
| 6.2.1 结果与分析 | 第50-53页 |
| 6.3 本章小结 | 第53-54页 |
| 第7章 结论与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |