基于遗传算法的锅炉燃烧优化设计与实现
| 中文摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题背景 | 第10-12页 |
| ·锅炉系统优化动态分析方法 | 第12-15页 |
| ·对DCS控制组态中的模块进行改进 | 第12-13页 |
| ·进行燃烧优化试验调整 | 第13页 |
| ·通过锅炉设备技术改造的优化方法 | 第13-14页 |
| ·基于在线检测锅炉燃烧参数的优化指导系统 | 第14页 |
| ·采用先进控制算法和人工智能技术实现锅炉燃烧优化 | 第14-15页 |
| ·神经网络和遗传算法在锅炉燃烧优化中的应用现状 | 第15-16页 |
| ·本文的研究内容 | 第16-18页 |
| 第二章 基于正交试验的锅炉效率主影响因素分析 | 第18-26页 |
| ·概述 | 第18页 |
| ·正交试验简介 | 第18-19页 |
| ·基于正交试验的燃烧优化调整方案 | 第19-21页 |
| ·试验对象 | 第19-20页 |
| ·确定正交试验表因素 | 第20页 |
| ·确定因素水平 | 第20-21页 |
| ·燃烧调整试验正交结果和分析 | 第21-25页 |
| ·正交试验结果数据分析 | 第21-23页 |
| ·正交试验的统计模型和参数估计 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 锅炉燃烧系统的神经网络模型 | 第26-36页 |
| ·锅炉热效率的计算方法 | 第26-29页 |
| ·基于ASME标准的锅炉热效率计算模型 | 第27-28页 |
| ·基于GBPTC标准的锅炉热效率计算模型 | 第28-29页 |
| ·对实际参数的锅炉效率计算分析 | 第29页 |
| ·BP神经网络 | 第29-32页 |
| ·神经元模型 | 第30-31页 |
| ·BP神经网络 | 第31-32页 |
| ·锅炉燃烧系统神经网络模型的建立 | 第32-35页 |
| ·输入样本的建立 | 第33页 |
| ·BP神经网络的创建、训练和测试 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于遗传算法的锅炉燃烧系统优化 | 第36-55页 |
| ·锅炉燃烧系统优化 | 第36-37页 |
| ·遗传算法简介 | 第37-40页 |
| ·遗传算法的起源 | 第37-38页 |
| ·遗传算法的基本运算 | 第38-40页 |
| ·基于实数编码的遗传算法设计 | 第40-46页 |
| ·基于实数编码的遗传算法 | 第40-43页 |
| ·简单的遗传算法实例试验 | 第43-46页 |
| ·遗传算法在锅炉热效率神经网络中的应用 | 第46-54页 |
| ·工作主流程设计 | 第46-47页 |
| ·基因代码的确定 | 第47-48页 |
| ·锅炉参数优化系统设计 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 原型系统设计与实现 | 第55-65页 |
| ·系统设计 | 第55-57页 |
| ·系统功能 | 第55页 |
| ·系统流程 | 第55-56页 |
| ·系统界面 | 第56-57页 |
| ·运行过程 | 第57-62页 |
| ·遗传算法对电厂实际运行数据的运算和分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间公开发表的论文 | 第70-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-74页 |
