| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 火电机组历史运行数据特点 | 第11-12页 |
| 1.3 数据融合的起源和发展趋势 | 第12-14页 |
| 1.3.1 数据融合国内外研究现状 | 第12-13页 |
| 1.3.2 数据融合在热力系统中的研究动态 | 第13-14页 |
| 1.4 论文整体概括 | 第14-16页 |
| 第2章 多源信息融合基本原理 | 第16-25页 |
| 2.1 多源信息融合基本概念 | 第16-17页 |
| 2.2 小波多尺度分解基本原理 | 第17-20页 |
| 2.2.1 小波变换 | 第17-18页 |
| 2.2.2 多尺度分析的定义和框架 | 第18-20页 |
| 2.3 相关分析基本原理 | 第20页 |
| 2.4 D-S证据理论 | 第20-24页 |
| 2.4.1 D-S证据理论的基本概念 | 第20-21页 |
| 2.4.2 D-S证据理论联合规则 | 第21-22页 |
| 2.4.3 信度函数的构造 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 过热汽温控制系统前馈信号的提取 | 第25-38页 |
| 3.1 过热汽温控制系统 | 第25-28页 |
| 3.1.1 过热汽温控制的意义 | 第25页 |
| 3.1.2 过热汽温控制的困难 | 第25-26页 |
| 3.1.3 汽温被控对象动静态特性分析 | 第26-27页 |
| 3.1.4 前馈-反馈控制 | 第27-28页 |
| 3.2 汽温控制前馈信号的选取 | 第28-30页 |
| 3.2.1 热工信号的关联特性 | 第28-29页 |
| 3.2.2 小波多尺度相关分析 | 第29-30页 |
| 3.3 实例分析 | 第30-37页 |
| 3.3.1 常规相关分析 | 第31-32页 |
| 3.3.2 基于小波多尺度分解的相关分析 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 火电厂锅炉燃烧扰动状态识别 | 第38-49页 |
| 4.1 电站锅炉燃烧过程控制系统 | 第38-40页 |
| 4.1.1 锅炉燃烧控制系统基本任务 | 第38-39页 |
| 4.1.2 锅炉燃烧扰动的影响 | 第39-40页 |
| 4.2 锅炉燃烧扰动状态识别 | 第40-43页 |
| 4.2.1 燃烧扰动特性分析 | 第40-41页 |
| 4.2.2 燃烧扰动相关信号提取 | 第41-42页 |
| 4.2.3 基于小波变换和D-S证据理论的目标模式识别 | 第42-43页 |
| 4.3 实例分析与验证 | 第43-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 结论 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57页 |