| 中文摘要 | 第1页 |
| 英文摘要 | 第4-8页 |
| 第一章 概论 | 第8-13页 |
| ·选题背景及其意义 | 第8-12页 |
| ·循环流化床燃烧技术发展现状 | 第8-10页 |
| ·人工神经网络技术的发展 | 第10页 |
| ·循环流化床锅炉燃烧系统建模意义 | 第10-12页 |
| ·本文的主要内容 | 第12-13页 |
| 第二章 循环流化床锅炉原理及其燃烧系统运行特性分析 | 第13-23页 |
| ·循环流化床锅炉的基本原理 | 第13-16页 |
| ·循环流化床锅炉燃烧系统特性分析 | 第16-23页 |
| ·循环流化床锅炉内的燃烧 | 第16-17页 |
| ·循环流化床锅炉床温系统动态特性分析 | 第17-23页 |
| ·给煤量对床温的影响 | 第18-20页 |
| ·风量及一、二次风配比对床温的影响 | 第20-21页 |
| ·物料循环量对床温的影响 | 第21页 |
| ·蒸汽压力动态特性及与床温之间的关系 | 第21-23页 |
| 第三章 自组织模糊神经网络算法研究及与PSO算法的混合应用 | 第23-53页 |
| ·人工神经网络理论基础 | 第23-30页 |
| ·人工神经元模型 | 第23-24页 |
| ·网络结构及工作方式 | 第24-28页 |
| ·多层前馈型网络 | 第24页 |
| ·径向基函数（RBF）网络 | 第24-26页 |
| ·自组织特征映射（SOM） | 第26-28页 |
| ·学习算法 | 第28-30页 |
| ·误差修正学习 | 第28-29页 |
| ·Hebb 学习 | 第29页 |
| ·竞争学习 | 第29-30页 |
| ·模糊神经网络 | 第30-38页 |
| ·模糊集理论概述 | 第31-33页 |
| ·模糊集合 | 第31-32页 |
| ·模糊集运算 | 第32页 |
| ·常用的隶属函数 | 第32-33页 |
| ·模糊推理 | 第33页 |
| ·模糊推理网络结构及算法 | 第33-36页 |
| ·基于 Mamdani 推理的模糊神经网络 | 第33-35页 |
| ·基于 Takagi-Sugeno 推理的模糊神经网络 | 第35-36页 |
| ·模糊神经网络常见的两种学习方法 | 第36-38页 |
| ·基于梯度下降的学习算法 | 第36-38页 |
| ·基于正交最小二乘（OLS）的学习算法 | 第38页 |
| ·自组织模糊神经网络结构与算法研究 | 第38-43页 |
| ·自组织模糊神经网络结构 | 第38-40页 |
| ·自组织模糊神经网络学习方法 | 第40-43页 |
| ·参数学习 | 第40-41页 |
| ·结构学习 | 第41-43页 |
| ·基于PSO 的自组织模糊神经网络 | 第43-47页 |
| ·粒子群优化算法（PSO） | 第43-46页 |
| ·基本 PSO 算法描述 | 第44-46页 |
| ·PSO 的改进策略 | 第46-47页 |
| ·基于惯性因子的动态调整 | 第46页 |
| ·带有收敛因子的 PSO 算法 | 第46-47页 |
| ·基于 PSO 算法的双层优化原理 | 第47页 |
| ·自组织模糊神经网络用于非线性系统建模仿真研究 | 第47-53页 |
| 第四章 循环流化床锅炉燃烧系统建模 | 第53-60页 |
| ·系统辨识概述 | 第53-54页 |
| ·循环流化床锅炉床温系统建模 | 第54-60页 |
| ·输入变量选取 | 第54-55页 |
| ·现场数据进行滤波处理 | 第55-56页 |
| ·仿真实验研究 | 第56-60页 |
| 第五章 结论和研究展望 | 第60-62页 |
| ·主要工作与总结 | 第60页 |
| ·进一步的研究工作与展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 在学期间发表的学术论文及科研情况 | 第65页 |
