| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题背景 | 第8-11页 |
| ·锅炉受热面结渣、积灰特性 | 第8-9页 |
| ·锅炉受热面积灰结渣的危害 | 第9-10页 |
| ·电站锅炉受热面吹灰现存问题 | 第10-11页 |
| ·选题背景及国内外研究现状 | 第11-13页 |
| ·本文内容安排 | 第13-15页 |
| 第二章 人工神经网络及遗传算法简介 | 第15-27页 |
| ·人工神经网络简介 | 第15-17页 |
| ·神经元简介 | 第15-16页 |
| ·人工神经网络发展简介 | 第16-17页 |
| ·人工神经网络的信息处理能力及其应用 | 第17-18页 |
| ·人工神经网络模型 | 第18-20页 |
| ·人工神经元数学模型 | 第18页 |
| ·人工神经网络的拓扑结构 | 第18-19页 |
| ·学习算法上的分类 | 第19-20页 |
| ·前向神经网络及BP 训练算法 | 第20-24页 |
| ·前向神经网络 | 第20-21页 |
| ·反向传播算法的数学描述 | 第21-24页 |
| ·遗传算法简介 | 第24-27页 |
| ·遗传算法( Genetic-Algorithm GA)简介 | 第24-25页 |
| ·遗传算法的特点及基本步骤 | 第25-26页 |
| ·遗传算法步骤及在神经网络方面的优化 | 第26-27页 |
| 第三章 锅炉受热面污染监测模型的实现 | 第27-39页 |
| ·锅炉受热面积灰沾污特性分析 | 第27-28页 |
| ·锅炉出力的影响 | 第27页 |
| ·煤灰成分的影响 | 第27-28页 |
| ·炉内过量空气系数的影响 | 第28页 |
| ·受热面传热基本关联式 | 第28-29页 |
| ·受热面灰污监测BP 神经网络模型 | 第29-34页 |
| ·输入层节点的确定 | 第30-31页 |
| ·输出层节点的确定 | 第31页 |
| ·隐层数目及隐层节点的确定 | 第31-32页 |
| ·神经网络模型的训练样本的确定 | 第32-33页 |
| ·模型的停止训练准则的确定 | 第33-34页 |
| ·用遗传算法学习神经网络的权值 | 第34-37页 |
| ·目标函数的制定 | 第34页 |
| ·编码方式 | 第34-35页 |
| ·适应度定义 | 第35页 |
| ·遗传操作的设定 | 第35-37页 |
| ·部分模型诊断结果 | 第37-39页 |
| 第四章 在线监测结果分析 | 第39-53页 |
| ·研究对象概况 | 第39-42页 |
| ·锅炉本体简介 | 第39-40页 |
| ·锅炉受热面吹灰系统和运行介绍 | 第40-42页 |
| ·试验安排 | 第42-43页 |
| ·试验结果与分析 | 第43-51页 |
| ·第一次实验结果 | 第43-47页 |
| ·第二次实验部分结果 | 第47-50页 |
| ·空气预热器积灰特性试验 | 第50-51页 |
| ·试验总结 | 第51-53页 |
| 第五章 实时监测系统的实现 | 第53-63页 |
| ·实时监测系统的实现 | 第53-55页 |
| ·监测系统硬件的实现 | 第53-54页 |
| ·软件实现 | 第54页 |
| ·系统实时数据采集的实现 | 第54-55页 |
| ·系统运行主要界面 | 第55-62页 |
| ·软件启动 | 第55页 |
| ·客户端浏览 | 第55-62页 |
| ·系统现场运行总结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 硕士期间发表的论文 | 第69页 |