基于现场数据和神经网络的主汽温系统建模方法研究
| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题研究背景与意义 | 第7-8页 |
| ·选题背景 | 第7页 |
| ·课题研究意义 | 第7-8页 |
| ·目前存在的主要建模方法 | 第8-9页 |
| ·基于现场数据的建模方法的产生和应用 | 第9-10页 |
| ·基于现场数据的建模方法产生的原因 | 第9页 |
| ·基于现场数据的建模方法在热工系统建模中的应用 | 第9-10页 |
| ·本论文的主要工作 | 第10-12页 |
| 第二章 神经网络建模 | 第12-20页 |
| ·神经网络简述 | 第12-13页 |
| ·BP 神经网络的结构、算法 | 第13-17页 |
| ·BP 神经网络的结构 | 第13-14页 |
| ·BP 神经网络的学习算法 | 第14-17页 |
| ·改进的BP 神经网络 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 过热器特性分析及现场数据选择 | 第20-26页 |
| ·锅炉过热系统的运行特点 | 第20-24页 |
| ·过热器的动态特性 | 第20-22页 |
| ·影响过热汽温变化的因素 | 第22-24页 |
| ·主汽温调节 | 第24页 |
| ·建模所需现场数据的选择 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 主元分析法对现场数据的处理 | 第26-36页 |
| ·主元分析理论 | 第26-30页 |
| ·主元分析法的原理和数学推导 | 第26-28页 |
| ·主元分析的计算步骤 | 第28-29页 |
| ·主元个数的选取方法 | 第29-30页 |
| ·主元分析方法的主要统计量 | 第30-32页 |
| ·SPE 统计量 | 第30-31页 |
| ·T~2统计量 | 第31-32页 |
| ·变量对统计量的贡献 | 第32页 |
| ·主元分析法应用实例分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 基于现场数据的锅炉过热系统神经网络建模 | 第36-53页 |
| ·神经网络模型建立 | 第36-38页 |
| ·产生数据样本集 | 第36-37页 |
| ·确定网络的类型和结构 | 第37-38页 |
| ·训练和测试 | 第38页 |
| ·未经PCA 处理前的仿真结果 | 第38-46页 |
| ·普通BP 神经网络参数 | 第38-39页 |
| ·traingda 训练函数 | 第39-40页 |
| ·trainrp 训练函数 | 第40-42页 |
| ·traincgf 训练函数 | 第42-43页 |
| ·traincgp 训练函数 | 第43-45页 |
| ·trainbfg 训练函数 | 第45-46页 |
| ·经PCA 处理后的仿真结果 | 第46-51页 |
| ·PCA 处理数据样本 | 第47-48页 |
| ·优化的BP 神经网络 | 第48-49页 |
| ·traingda 训练函数 | 第49-50页 |
| ·trainbfg 训练函数 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 结论 | 第53-55页 |
| ·本文的主要工作 | 第53-54页 |
| ·本课题将来的研究内容 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 在学期间发表的学术论文和参加科研情况 | 第59页 |
