遗传算法在电站锅炉燃烧过程建模与优化中的应用与研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第6-7页 |
| 第一章 前言 | 第7-16页 |
| ·课题背景 | 第7-9页 |
| ·电站锅炉热力系统的发展趋势 | 第7-8页 |
| ·电站锅炉燃烧过程建模的要求 | 第8-9页 |
| ·基于神经网络算法锅炉燃烧过程建模 | 第9-10页 |
| ·国内外径向基神经网络研究现状 | 第10-14页 |
| ·本论文的主要工作 | 第14页 |
| ·本章小结 | 第14-16页 |
| 第二章 电站锅炉燃烧系统概述 | 第16-22页 |
| ·大型单元机组的生产过程 | 第16-17页 |
| ·锅炉燃烧系统及其控制 | 第17-21页 |
| ·燃烧控制系统基本任务 | 第18页 |
| ·被控参数的作用 | 第18-19页 |
| ·燃烧控制系统 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 遗传算法概述 | 第22-43页 |
| ·遗传算法简介 | 第22-25页 |
| ·遗传算法基本原理 | 第25-39页 |
| ·遗传算法基本概念 | 第25-28页 |
| ·遗传算法的操作 | 第28-36页 |
| ·遗传算法的改进 | 第36-38页 |
| ·遗传算法的基本执行过程 | 第38-39页 |
| ·遗传算法优化试验 | 第39-42页 |
| ·遗传算法求函数最大值 | 第39-40页 |
| ·电站锅炉燃烧系统优化设计 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 改进型径向基神经网络 | 第43-53页 |
| ·径向基函数神经网络 | 第43-46页 |
| ·RBF神经网络概述 | 第43页 |
| ·RBF神经网络的拓扑结构 | 第43-44页 |
| ·RBF神经网络算法 | 第44-46页 |
| ·改进的径向基神经网络 | 第46-51页 |
| ·数据预处理 | 第46-48页 |
| ·隐含层中心确定 | 第48-49页 |
| ·遗传算法寻优RBF神经网络权值 | 第49-50页 |
| ·改进型RBF神经网络建模算法 | 第50-51页 |
| ·改进型RBF神经网络建模实验 | 第51-52页 |
| ·选定建模对象 | 第51页 |
| ·生成数据样本 | 第51页 |
| ·神经网络建模实验 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 锅炉燃烧过程的建模和稳态优化 | 第53-67页 |
| ·锅炉燃烧过程的建模 | 第53-56页 |
| ·神经网络建模实验 | 第53-56页 |
| ·锅炉燃烧过程的稳态优化 | 第56-62页 |
| ·最优化问题概述 | 第56-58页 |
| ·锅炉燃烧过程的优化算法 | 第58-60页 |
| ·锅炉燃烧过程的稳态优化 | 第60-62页 |
| ·软件的编制 | 第62-66页 |
| ·主界面 | 第62页 |
| ·RBF神经网络建模功能界面 | 第62-65页 |
| ·遗传算法寻优过程 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-71页 |
| ·结论 | 第67-68页 |
| ·展望 | 第68-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75-77页 |
| 在校期间发表论文 | 第77页 |
