| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于智能算法的锅炉运行优化研究 | 第12页 |
| 1.2.2 国内外在燃煤机组方面的相关研究 | 第12-13页 |
| 1.2.3 锅炉燃烧优化软件发展现状 | 第13-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 论文的组织安排 | 第14-16页 |
| 第2章 燃煤锅炉与RBF神经网络相关技术研究 | 第16-21页 |
| 2.1 燃煤锅炉的工作原理 | 第16页 |
| 2.2 锅炉燃烧效率分析 | 第16-17页 |
| 2.3 锅炉氮氧化物排放分析 | 第17-18页 |
| 2.3.1 氮氧化物的生成机理 | 第17页 |
| 2.3.2 影响NO_X排放的主要因素 | 第17-18页 |
| 2.4 RBF神经网络 | 第18-20页 |
| 2.4.1 RBF神经网络原理 | 第18-19页 |
| 2.4.2 RBF神经网络算法学习过程 | 第19-20页 |
| 2.4.3 RBF神经网络的聚类分析 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 系统需求分析与系统设计 | 第21-27页 |
| 3.1 系统总体方案 | 第21-22页 |
| 3.1.1 可行性分析 | 第21页 |
| 3.1.2 系统功能需求 | 第21-22页 |
| 3.2 系统总体设计 | 第22-23页 |
| 3.2.1 系统设计原则 | 第22-23页 |
| 3.2.2 系统软件结构 | 第23页 |
| 3.3 数据获取模块 | 第23-24页 |
| 3.4 数预测功能模块 | 第24-25页 |
| 3.5 参数优化功能模块 | 第25页 |
| 3.6 系统环境 | 第25-26页 |
| 3.6.1 系统开发环境 | 第25页 |
| 3.6.2 系统运行环境 | 第25-26页 |
| 3.7 本章小结 | 第26-27页 |
| 第4章 基于RBF神经网络的锅炉燃烧特性建模与优化 | 第27-41页 |
| 4.1 粒子群算法改进RBF神经网络 | 第27-32页 |
| 4.1.1 粒子群算法 | 第27页 |
| 4.1.2 带惯性权重的粒子群算法 | 第27-28页 |
| 4.1.3 基于粒子群算法优化RBF神经网络 | 第28-29页 |
| 4.1.4 改进RBF神经网络性能验证 | 第29-31页 |
| 4.1.5 验证结果 | 第31-32页 |
| 4.1.6 本节小结 | 第32页 |
| 4.2 锅炉设备和参数选择 | 第32-35页 |
| 4.2.1 锅炉设备 | 第32页 |
| 4.2.2 锅炉燃烧模型参数的选择 | 第32-33页 |
| 4.2.3 神经网络模型的数据采集 | 第33-35页 |
| 4.3 基于改进的RBF神经网络建模 | 第35-36页 |
| 4.3.1 多目标输出问题 | 第35页 |
| 4.3.2 网络模型的建立 | 第35-36页 |
| 4.4 仿真实验 | 第36-38页 |
| 4.5 锅炉系统可调参数的优化 | 第38-40页 |
| 4.5.1 遗传算法的改进 | 第38页 |
| 4.5.2 参数优化 | 第38-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第5章 锅炉运行优化系统的实现 | 第41-48页 |
| 5.1 软件开发介绍与系统分析 | 第41页 |
| 5.1.1 软件开发语言 | 第41页 |
| 5.1.2 锅炉运行优化系统分析 | 第41页 |
| 5.2 优化系统相关技术设计方案 | 第41-43页 |
| 5.2.1 SIS系统的软件结构 | 第41-42页 |
| 5.2.2 实现方式 | 第42-43页 |
| 5.3 系统优化功能界面 | 第43-46页 |
| 5.3.1 登录锅炉运行优化系统 | 第43-44页 |
| 5.3.2 系统参数监测功能 | 第44-45页 |
| 5.3.3 系统预测功能 | 第45页 |
| 5.3.4 可控参数优化功能 | 第45-46页 |
| 5.4 优化模型管理 | 第46-47页 |
| 5.4.1 过程参数管理 | 第46页 |
| 5.4.2 优化参数管理 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |