| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 绪论 | 第7-10页 |
| 1．1 研究背景 | 第7-8页 |
| 1．2 煤粉锅炉温度场智能监测诊断系统研究的意义 | 第8页 |
| 1．3 研究方法与内容 | 第8-10页 |
| 第2章 文献评述 | 第10-22页 |
| 2．1 基于传热理论的半经验模型 | 第10-11页 |
| 2．1．1 零维模型 | 第10页 |
| 2．1．2 一维模型 | 第10-11页 |
| 2．2 实测法重构温度场 | 第11-15页 |
| 2．2．1 利用火焰图像处理技术重构炉内温度场 | 第11-13页 |
| 2．2．2 利用声学原理重构炉内温度场 | 第13-15页 |
| 2．3 应用数值模拟法重构温度场 | 第15-18页 |
| 2．4 人工智能技术在锅炉研究中的应用 | 第18-21页 |
| 2．4．1 利用人工智能技术建立炉况监测与诊断系统 | 第19页 |
| 2．4．2 利用神经网络对NOx的排放量进行预报 | 第19-20页 |
| 2．4．3 重构温度场的算法实现 | 第20-21页 |
| 2．5 小结 | 第21-22页 |
| 第3章 炉内燃烧工况的设计与数值仿真 | 第22-38页 |
| 3．1 研究对象简介 | 第22-25页 |
| 3．2 炉内燃烧工况的数值仿真方法与仿真结果 | 第25-35页 |
| 3．2．1 炉内气粒两相湍流燃烧模型 | 第25-28页 |
| 3．2．2 计算区域网格划分与算法 | 第28-29页 |
| 3．2．3 工况参数 | 第29-30页 |
| 3．2．4 三类工况的仿真结果 | 第30-35页 |
| 3．3 炉内燃烧工况的正交试验设计 | 第35-37页 |
| 3．3．1 正交试验设计原理 | 第35页 |
| 3．3．2 炉内燃烧工况的正交试验设计方法 | 第35-36页 |
| 3．3．3 炉内燃烧正交试验设计工况 | 第36-37页 |
| 3．4 小结 | 第37-38页 |
| 第4章 炉内二维温度场动态显示模型研究 | 第38-56页 |
| 4．1 自适应模糊神经网络基础 | 第38-43页 |
| 4．1．1 模糊隶属函数 | 第38-39页 |
| 4．1．2 模糊规则与模糊推理 | 第39-41页 |
| 4．1．3 神经网络特点及其发展 | 第41-43页 |
| 4．2 炉内二维温度场动态显示模型的构建 | 第43-46页 |
| 4．2．1 单点温度计算模型 | 第43-45页 |
| 4．2．2 炉内二维温度场动态显示模型 | 第45-46页 |
| 4．3 IAFNN的训练 | 第46-48页 |
| 4．3．1 AFNN训练过程中的问题 | 第46-47页 |
| 4．3．2 AFNN与IAFNN的训练 | 第47-48页 |
| 4．4 炉内二维温度场动态显示模型的验证 | 第48-55页 |
| 4．4．1 模型验证 | 第48-53页 |
| 4．4．2 验证结果分析 | 第53-54页 |
| 4．4．3 与其他二维温度场动态显示模型的比较 | 第54-55页 |
| 4．5 小结 | 第55-56页 |
| 第5章 炉内温度场智能监测与诊断系统的实现 | 第56-72页 |
| 5．1 风粉参数在线监测与诊断 | 第56-61页 |
| 5．1．1 风粉参数检测 | 第56-58页 |
| 5．1．2 风粉参数故障知识库的构建 | 第58-61页 |
| 5．2 炉内温度场在线监测与诊断 | 第61-65页 |
| 5．2．1 区域温度监测 | 第61-62页 |
| 5．2．2 温度最高点与最低点监测 | 第62页 |
| 5．2．3 燃烧切圆位置偏斜诊断 | 第62-65页 |
| 5．3 系统实现 | 第65-70页 |
| 5．3．1 系统推理机制及其结构体系 | 第65-67页 |
| 5．3．2 系统组成模块及其功能 | 第67-70页 |
| 5．4 小结 | 第70-72页 |
| 第6章 结论 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 附录一 燃烧工况正交试验设计表 | 第79-88页 |
| 附录二 各个子网络的训练误差 | 第88-101页 |
| 攻读学位期间发表的学术论文、著作 | 第101-102页 |
| 致谢 | 第102页 |