摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-14页 |
1.1 课题研究背景与研究意义 | 第10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 中速磨直吹式制粉系统建模研究现状 | 第10-11页 |
1.2.2 制粉系统负荷分配研究现状 | 第11-12页 |
1.3 论文研究内容及意义 | 第12-14页 |
第二章 制粉系统主要能耗设备及其能耗特性 | 第14-21页 |
2.1 中速磨煤机直吹式制粉系统运行机理 | 第14页 |
2.2 中速磨煤机直吹式制粉系统主要能耗设备 | 第14-15页 |
2.3 磨煤机和一次风机的能耗特性 | 第15-16页 |
2.3.1 中速磨煤机的能耗特性 | 第15-16页 |
2.3.2 一次风机的能耗特性 | 第16页 |
2.4 直吹式制粉系统的运行方式 | 第16-17页 |
2.5 基于历史数据的制粉系统统计分析 | 第17-20页 |
2.5.1 制粉系统运行方式统计分析 | 第17-18页 |
2.5.2 各台磨煤机给煤量统计分析 | 第18-19页 |
2.5.3 磨煤机加载油压力统计分析 | 第19页 |
2.5.4 磨煤机风煤比统计分析 | 第19-20页 |
2.6 本章小结 | 第20-21页 |
第三章 基于支持向量机的数值仿真研究 | 第21-37页 |
3.1 统计学习理论 | 第21-24页 |
3.1.1 机器学习问题的表示 | 第21页 |
3.1.2 经验风险最小化 | 第21-22页 |
3.1.3 复杂性和泛化能力 | 第22页 |
3.1.4 VC维 | 第22-23页 |
3.1.5 学习机器推广能力的界 | 第23页 |
3.1.6 结构风险最小化原则 | 第23-24页 |
3.2 支持向量机 | 第24-28页 |
3.2.1 支持向量机的基本思想 | 第24-25页 |
3.2.2 支持向量机的特点 | 第25页 |
3.2.3 最小二乘支持向量机回归算法 | 第25-28页 |
3.3 最小二乘支持向量机参数优化 | 第28-29页 |
3.3.1 参数优化问题的提出 | 第28页 |
3.3.2 参数优化算法 | 第28-29页 |
3.4 粒子群(PSO)算法 | 第29-35页 |
3.4.1 PSO算法基本思想 | 第29页 |
3.4.2 标准粒子群算法数学模型 | 第29-31页 |
3.4.3 自适应混沌粒子群优化算法 | 第31-34页 |
3.4.4 基于自适应混沌粒子群算法的仿真实验 | 第34-35页 |
3.5 基于自适应混沌粒子群的最小二乘支持向量机参数寻优 | 第35-36页 |
3.5.1 自适应混沌粒子群对最小二乘支持向量机参数寻优流程图 | 第35页 |
3.5.2 自适应混沌粒子群对最小二乘支持向量机参数寻优仿真实验 | 第35-36页 |
3.6 本章小结 | 第36-37页 |
第四章 基于支持向量机的制粉系统能耗预测 | 第37-51页 |
4.1 引言 | 第37页 |
4.2 建模设备概述 | 第37页 |
4.3 基于支持向量机的制粉单耗预测 | 第37-43页 |
4.3.1 模型输入输出参数确定 | 第38页 |
4.3.2 样本数据采集 | 第38-39页 |
4.3.3 样本结果的验证 | 第39-41页 |
4.3.4 制粉单耗的运行特性分析 | 第41-43页 |
4.4 制粉系统的单因素调整对锅炉效率的影响 | 第43-50页 |
4.4.1 制粉系统单因素调整试验研究 | 第43-46页 |
4.4.2 基于支持向量机的锅炉效率建模 | 第46-50页 |
4.5 本章小结 | 第50-51页 |
第五章 多台磨煤机给煤量运行优化 | 第51-61页 |
5.1 引言 | 第51页 |
5.2 多台磨煤机运行特性分析 | 第51-54页 |
5.2.1 经济指标的选取 | 第51页 |
5.2.2 制粉系统耗电量特性曲线 | 第51-52页 |
5.2.3 制粉系统曲线的拟合 | 第52-54页 |
5.3 多台磨煤机优化问题的数学模型 | 第54-55页 |
5.4 多台磨煤机优化分配方法 | 第55-58页 |
5.4.1 动态规划法 | 第55-57页 |
5.4.2 混沌粒子群方法 | 第57-58页 |
5.5 案例分析 | 第58-60页 |
5.6 本章小结 | 第60-61页 |
第六章 总结与展望 | 第61-63页 |
参考文献 | 第63-68页 |
致谢 | 第68-69页 |
硕士期间主要研究成果 | 第69页 |