首页--工业技术论文--能源与动力工程论文--热工量测和热工自动控制论文--热工自动控制论文

数据挖掘技术在循环流化床锅炉模糊控制系统中的应用

中文摘要第1-4页
Abstract第4-8页
第一章 引言第8-19页
 1.1  选题工程背景和意义第8-11页
  1.1.1 我国能源的利用现状与面临问题第8-9页
  1.1.2 循环流化床锅炉的发展现状和重要意义第9-11页
 1.2 先进控制理论在循环流化床控制系统中的应用第11-15页
  1.2.1 循环流化床锅炉复杂的动态特性第11-12页
  1.2.2 先进的控制理论和技术在循环流化床控制中的应用第12-14页
  1.2.3 模糊控制及其他复合控制存在的问题第14-15页
 1.2  数据库技术的发展和数据挖掘理论在控制中的重要应用第15-18页
  1.2.1 数据挖掘发展简介第15-16页
  1.2.2 数据挖掘在CFBB的控制系统中应用的可行性第16-18页
 1.3 本论文的主要工作和创新点第18-19页
第二章 数据挖掘理论在模糊控制规则获取中的研究第19-56页
 2.1 智能模糊控制理论的应用和规则获取瓶颈第19-24页
  2.1.1 模糊控制应用的工程背景第19-20页
  2.1.2 模糊控制器的基本结构和组成第20页
  2.1.3 模糊控制器在循环流化床控制中的一般应用第20-24页
  2.1.4 模糊控制规则获取面临的问题第24页
 2.2 数据挖掘理论的提出第24-25页
 2.3 数据挖掘的基本概念第25-27页
 2.4 数据挖掘的体系结构和处理过程第27-30页
  2.4.1 数据挖掘的体系结构第27-28页
  2.4.2 数据挖掘的一般处理过程:第28-29页
  2.4.3 数据挖掘中知识发现任务的描述和说明第29-30页
 2.5 数据挖掘现在面临的问题第30-31页
 2.6 基于神经网络技术的数据挖掘方法第31-38页
  2.6.1 基于知识的神经网络第31-34页
   2.6.1.1 基于知识的神经网络的典型结构第31-32页
   2.6.1.2 基于IKBANN的规则提取方法第32-34页
  2.6.2 模糊神经网络推理在数据挖掘中的应用思路第34-35页
  2.6.3 模糊神经推理网络(MISO)的结构和计算模式第35-38页
 2.7 规则库获取的数据准备工作第38-40页
 2.8 利用聚类运算初始化模糊神经网络第40-44页
  2.8.1 Kohonen自组织网络聚类第41-43页
  2.8.2 减法聚类第43-44页
 2.9 仿真研究第44-54页
 2.10 本章小结第54-56页
第三章 模糊神经自组织理论在CFBB控制中的应用第56-71页
 3.1 模糊神经网路自组织理论的提出第56-57页
 3.2 模糊神经网络自组织控制系统的结构和原理第57-62页
  3.2.1 模糊神经网络自组织控制系统第57-59页
  3.2.2 FBNC网络的Kalman滤波算法:第59-60页
  3.2.3 PNN模糊决策表网络结构第60-61页
  3.2.4 模糊神经自组织控制系统的工作流程第61-62页
 3.3 模糊神经自组织控制在流化床控制中的仿真应用第62-69页
  3.3.1 床温仿真对象特性第62-63页
  3.3.2 模糊神经网络自组织控制仿真第63-69页
 3.4 本章小结第69-71页
第四章 工业现场实践第71-91页
 4.1 循环流化床锅炉自动控制目标第71-74页
  4.1.1 循环流化床的自动控制任务第71-73页
  4.1.2 循环流化床的控制难点第73页
  4.1.3 循环流化床锅炉监测控制系统的整体任务第73-74页
 4.2 循环流化床锅炉控制系统设计第74-90页
  4.2.1 系统硬件组成及功能第74-75页
  4.2.2 系统软件和基本功能介绍第75-78页
  4.2.3 循环流化床锅炉控制回路设计方案第78-83页
  4.2.4 基于数据挖掘优化的模糊神经自组织控制器的应用第83-89页
   4.2.4.1 程序设计流程第84页
   4.2.4.2 规则获取程序的运行效果第84-86页
   4.2.4.3 主蒸汽压力的模糊神经自组织控制第86-89页
  4.2.5 控制系统运行效果第89-90页
 4.3 本章小结第90-91页
第五章 总结与展望第91-93页
参考文献第93-96页
致谢、声明第96-97页
个人简历、在学期间的研究成果及发表的学术论文第97页

论文共97页,点击 下载论文
上一篇:中学物理教育中发展性学生评价研究
下一篇:中国企业低成本战略研究