人工神经元网络在电站锅炉燃烧过程建模中的应用研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第2-6页 |
| 第一章 前言 | 第6-15页 |
| ·课题背景 | 第6-10页 |
| ·电站锅炉热力系统的发展趋势 | 第7-8页 |
| ·电站锅炉燃烧过程建模的要求 | 第8-9页 |
| ·神经网络技术的产生和发展 | 第9-10页 |
| ·基于神经网络算法的锅炉燃烧过程建模 | 第10-11页 |
| ·神经网络技术的国内外发展应用现状 | 第11-13页 |
| ·本论文的主要工作 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 神经元网络算法概述 | 第15-27页 |
| ·人工神经元网络的产生和发展 | 第15-17页 |
| ·生物神经元网络 | 第15页 |
| ·人工神经元模型 | 第15-16页 |
| ·人工神经元网络 | 第16-17页 |
| ·误差反传(BP)神经网络 | 第17-22页 |
| ·BP神经网络 | 第17页 |
| ·BP神经网络拓补结构 | 第17-19页 |
| ·BP神经网络算法 | 第19-21页 |
| ·BP神经网络算法的改进 | 第21-22页 |
| ·径向基函数(RBF)神经网络 | 第22-25页 |
| ·RBF神经网络概述 | 第22-23页 |
| ·RBF神经网络的拓补结构 | 第23页 |
| ·RBF神经网络的训练算法 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 RBF神经网络的性能改进 | 第27-37页 |
| ·神经网络类型得选择 | 第27页 |
| ·数据的预处理 | 第27-28页 |
| ·进行数据预处理的原因 | 第27-28页 |
| ·数据处理的方法 | 第28页 |
| ·隐含层节点中心的选取 | 第28-29页 |
| ·动态调整中心的方法 | 第28-29页 |
| ·改进的聚类算法 | 第29页 |
| ·网络隐含层节点的增加和删减策略 | 第29-32页 |
| ·网络结构的要求 | 第29-30页 |
| ·隐含层节点的增加策略 | 第30-31页 |
| ·隐含层节点的删除策略 | 第31-32页 |
| ·RBF神经网络中参数的调整 | 第32-34页 |
| ·网络参数调整的原则 | 第32-33页 |
| ·神经网络中主要参数的调整分析 | 第33-34页 |
| ·RBF神经网络建模实验 | 第34-36页 |
| ·选定建模对象 | 第34页 |
| ·生成数据样本 | 第34-35页 |
| ·神经网络建模实验 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 锅炉燃烧过程的稳态优化 | 第37-44页 |
| ·最优化问题概述 | 第37-38页 |
| ·锅炉燃烧过程的优化算法 | 第38-42页 |
| ·优化目标的确定 | 第38-39页 |
| ·约束条件的确定 | 第39页 |
| ·最优化算法 | 第39-42页 |
| ·优化效果检验 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 电站锅炉燃烧过程的建模 | 第44-56页 |
| ·神经网络建模试验 | 第44-48页 |
| ·神经网络建模应用程序编写 | 第44页 |
| ·建模数据的获得 | 第44-45页 |
| ·神经网络模型建立 | 第45-48页 |
| ·锅炉燃烧过程的优化 | 第48-51页 |
| ·软件开发及功能介绍 | 第51-55页 |
| ·主功能界面 | 第51页 |
| ·神经网络建模功能界面部分 | 第51-55页 |
| ·系统优化功能界面 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第六章 结论与展望 | 第56-59页 |
| ·课题主要内容和特点 | 第56-57页 |
| ·待解决的问题 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 在学期间发表论文和参加科研情况 | 第63页 |
