电厂燃烧控制系统若干问题的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题研究背景和意义 | 第8页 |
| ·燃烧控制系统概述 | 第8-10页 |
| ·煤粉锅炉的燃烧系统 | 第8-9页 |
| ·燃烧控制系统的解耦控制方案 | 第9-10页 |
| ·锅炉的燃烧调节 | 第10-11页 |
| ·锅炉燃烧与设备稳定性 | 第10页 |
| ·锅炉燃烧与污染 | 第10-11页 |
| ·锅炉燃烧与节能 | 第11页 |
| ·工业界对锅炉控制的要求 | 第11-13页 |
| ·锅炉燃烧控制系统的主要功能 | 第11-12页 |
| ·锅妒燃烧控制系统的主要特点 | 第12-13页 |
| ·电厂锅炉燃烧控制系统的研究难点 | 第13页 |
| ·燃烧系统的辨识 | 第13页 |
| ·炉膛氧量的准确测量 | 第13页 |
| ·论文的内容 | 第13-15页 |
| 第二章 燃烧控制系统的辨识 | 第15-34页 |
| ·RBF 神经网络原理与算法 | 第15-20页 |
| ·RBF 神经网络结构原理 | 第15-18页 |
| ·RBF 神经网络学习算法 | 第18-20页 |
| ·系统辨识原理 | 第20-23页 |
| ·传统的系统辨识 | 第20-21页 |
| ·传统系统辨识结构 | 第21-23页 |
| ·基于RBF 神经网络的燃烧系统辨识 | 第23-31页 |
| ·学习算法 | 第24页 |
| ·算法改进 | 第24-25页 |
| ·算法实现 | 第25页 |
| ·算法仿真 | 第25-31页 |
| ·燃烧系统辨识的工程应用 | 第31-34页 |
| ·采样数据中的噪声干扰 | 第31页 |
| ·多工况之间的无扰切换 | 第31-33页 |
| ·模型在燃烧控制中的应用 | 第33-34页 |
| 第三章 燃烧系统中烟气含氧量的软测量 | 第34-49页 |
| ·传统的烟气含氧量测量方法 | 第34页 |
| ·烟气含氧量测定的意义 | 第34页 |
| ·烟气含氧量测定的传统方法 | 第34页 |
| ·软测量技术的基本概念及用途 | 第34-38页 |
| ·软测量的基本概念 | 第34-35页 |
| ·软测量技术的组成部分 | 第35-37页 |
| ·软测量技术的用途 | 第37-38页 |
| ·软测量模型 | 第38-39页 |
| ·基于人工神经网络的软测量建模方法 | 第38页 |
| ·基于人工神经网络的软测量通用模型 | 第38-39页 |
| ·基于支持向量机的烟气含氧量的软测量 | 第39-46页 |
| ·支持向量机的基本理论 | 第39-40页 |
| ·回归SVM 简介 | 第40-42页 |
| ·烟气含氧量软测量模型的实现 | 第42-45页 |
| ·烟气含氧量软测量的工程应用 | 第45-46页 |
| ·含氧量软测量技术在燃烧控制系统中的应用 | 第46-49页 |
| 第四章 基于现场总线技术的燃烧控制系统 | 第49-55页 |
| ·从DCS 到FCS | 第49-50页 |
| ·基于现场总线的计算机综合自动化系统 | 第50-53页 |
| ·基于现场总线网络的计算机综合自动化系统结构 | 第50-52页 |
| ·工控平台与基于现场总线燃烧控制模块的通讯 | 第52-53页 |
| ·燃烧控制系统优化框图 | 第53-55页 |
| 第五章 总结和展望 | 第55-56页 |
| ·本文解决的问题 | 第55页 |
| ·存在的问题和工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 硕士期间所发表的论文 | 第59页 |
