| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-28页 |
| ·课题研究背景 | 第15-17页 |
| ·火力发电机组节能减排的必要性 | 第15-16页 |
| ·电站锅炉的安全、经济运行问题 | 第16-17页 |
| ·基于炉内参数测量的锅炉燃烧系统优化运行技术 | 第17-22页 |
| ·基于激光测量网的炉内参数测量系统 | 第18-20页 |
| ·基于声波测温的炉内温度测量系统 | 第20-21页 |
| ·基于工业CCD摄像头的炉内测温系统 | 第21-22页 |
| ·锅炉燃烧系统智能建模研究现状 | 第22-24页 |
| ·锅炉燃烧系统智能优化研究现状 | 第24-25页 |
| ·本文主要研究内容和结构安排 | 第25-28页 |
| 第2章 基于炉内参数测量的锅炉燃烧优化运行系统 | 第28-42页 |
| ·引言 | 第28-29页 |
| ·基于激光测量网的炉膛参数检测 | 第29-33页 |
| ·锅炉炉膛参数测量的现状 | 第30-31页 |
| ·基于激光光谱的炉膛参数检测技术 | 第31-33页 |
| ·优化控制平台系统控制站 | 第33-40页 |
| ·优化控制平台系统硬件 | 第34-36页 |
| ·优化控制平台系统软件功能 | 第36-37页 |
| ·优化控制平台系统软件结构 | 第37-39页 |
| ·优化控制站在锅炉燃烧优化中的应用 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第3章 基于RBF神经网络的锅炉燃烧系统模型建立 | 第42-84页 |
| ·电站锅炉效率计算模型 | 第42-48页 |
| ·概述 | 第42页 |
| ·锅炉热平衡分析 | 第42-44页 |
| ·锅炉效率及热损失分析 | 第44-47页 |
| ·锅炉反平衡效率计算模型 | 第47-48页 |
| ·NO_x的生成及影响因素 | 第48-52页 |
| ·NO_x的生成机理 | 第48-51页 |
| ·NO_x的破坏机理 | 第51-52页 |
| ·RBF神经网络 | 第52-60页 |
| ·人工神经元模型 | 第52-53页 |
| ·典型的网络结构 | 第53-54页 |
| ·神经网络的学习算法 | 第54-56页 |
| ·RBF神经网络 | 第56-60页 |
| ·遗传算法 | 第60-65页 |
| ·基本遗传算法的流程 | 第60-64页 |
| ·遗传算法在神经网络中的应用 | 第64-65页 |
| ·基于RBF神经网络的锅炉燃烧系统建模 | 第65-76页 |
| ·系统辨识 | 第65-66页 |
| ·神经网络在锅炉燃烧系统建模中的应用 | 第66-76页 |
| ·锅炉烟气干燥褐燃煤时的热经济性分析 | 第76-83页 |
| ·锅炉烟气干燥工艺系统简介 | 第77-78页 |
| ·热经济性理论分析模型 | 第78-80页 |
| ·实例计算 | 第80-83页 |
| ·本章小结 | 第83-84页 |
| 第4章 基于多目标遗传算法NSGA-Ⅱ的电站锅炉燃烧参数优化 | 第84-94页 |
| ·引言 | 第84页 |
| ·多目标优化遗传算法 | 第84-91页 |
| ·多目标优化问题的相关概念 | 第84-86页 |
| ·多目标优化遗传算法 | 第86-87页 |
| ·带精英策略的非支配排序遗传算法NSGA-Ⅱ | 第87-91页 |
| ·基于NSGA-Ⅱ的大型电站锅炉燃烧优化 | 第91-93页 |
| ·燃烧参数优化 | 第91-92页 |
| ·优化结果分析 | 第92-93页 |
| ·与加权因子法比较分析 | 第93页 |
| ·本章小结 | 第93-94页 |
| 第5章 全文总结与结论 | 第94-95页 |
| 参考文献 | 第95-103页 |
| 攻读博士学位期间发表的论文及其它成果 | 第103-104页 |
| 攻读博士学位期间参加的科研工作 | 第104-105页 |
| 致谢 | 第105-106页 |
| 作者简介 | 第106页 |