| 前言 | 第1-12页 |
| 第一部分 基本理论 | 第12-37页 |
| 1 小波分析 | 第12-20页 |
| ·小波分析发展概述 | 第12-13页 |
| ·小波变换 | 第13-19页 |
| ·连续、离散小波变换 | 第13-16页 |
| ·多分辨分析 | 第16-17页 |
| ·小波包分析 | 第17-19页 |
| ·小波分析在本文中的应用 | 第19页 |
| ·本章小结 | 第19-20页 |
| 2 人工神经网络 | 第20-37页 |
| ·概述 | 第20-21页 |
| ·人工神经元的基本概念 | 第21-23页 |
| ·人工神经网络的结构以及网络类型 | 第23-34页 |
| ·BP网络 | 第23-29页 |
| ·RBF神经网络 | 第29-34页 |
| ·神经网络模拟数据预处理 | 第34-35页 |
| ·研究问题的变量分析 | 第34页 |
| ·数据冗余度分析 | 第34-35页 |
| ·数据变换处理 | 第35页 |
| ·预测数据对模型参数的修正 | 第35页 |
| ·人工神经网络在本文中的应用 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第二部分 气固循环流化床实验研究 | 第37-46页 |
| 3 气固循环流化床实验研究 | 第37-46页 |
| ·气固循环流化床实验 | 第37-38页 |
| ·气-固循环流化床提升管中气固两相流动行为规律的实验研究 | 第38-44页 |
| ·局部流动相结构 | 第39-41页 |
| ·颗粒浓度的径向分布规律 | 第41-42页 |
| ·颗粒浓度的轴向分布规律 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第三部分 小波分析和神经网络理论在气-固流化床中的应用 | 第46-99页 |
| 4 小波分析在气-固循环流化床中的应用研究 | 第46-67页 |
| ·小波分析在流化床中的应用研究进展 | 第46-47页 |
| ·气固循环流化床颗粒浓度的小波包除噪分析 | 第47-56页 |
| ·小波去噪方法研究进展 | 第48-53页 |
| ·气固流化床中波动时间序列的小波去噪 | 第53-56页 |
| ·气-固循环流化床颗粒浓度信号的多分辨分析 | 第56-59页 |
| ·颗粒浓度信号的连续小波变换分析 | 第56-58页 |
| ·颗粒浓度信号的二进制小波变换多尺度分析 | 第58-59页 |
| ·颗粒浓度信号的小波包多尺度空间能量特征值提取分析 | 第59-65页 |
| ·特征值提取的方法 | 第60页 |
| ·分析的结果与讨论 | 第60-65页 |
| ·本章小结 | 第65-67页 |
| 5 人工神经网络在气-固流化床中的应用 | 第67-97页 |
| ·人工神经网络在流态化领域中的研究现状 | 第67-69页 |
| ·散式流态化到聚式流态化的BP神经网络识别 | 第69-83页 |
| ·散式流态化和聚式流态化判别标准的特征参数的选取 | 第70-71页 |
| ·特征参数的归一化处理 | 第71页 |
| ·神经网络模型结构的选择和流化类型识别评价系统 | 第71-73页 |
| ·实验与实验结果 | 第73-82页 |
| ·结论 | 第82-83页 |
| ·气固流化床的混沌时间序列的神经网络预测模型 | 第83-96页 |
| ·人工神经网络混沌时间序列预测模型的建立 | 第83-91页 |
| ·气固循环流化床压力波动和局部颗粒浓度波动的预测 | 第91-96页 |
| ·本章小结 | 第96-97页 |
| 6 主要的结论 | 第97-99页 |
| 参考文献 | 第99-108页 |
