基于自适应量子灰狼算法的循环流化床锅炉燃烧优化研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 循环流化床燃烧优化研究现状 | 第12-13页 |
| 1.2.2 人工神经网络的研究现状 | 第13-14页 |
| 1.2.3 智能优化算法的研究现状 | 第14-15页 |
| 1.2.4 当前循环流化床锅炉优化存在的问题 | 第15-16页 |
| 1.3 本文结构及主要内容 | 第16-19页 |
| 第2章 循环流化床锅炉介绍及相关优化问题 | 第19-32页 |
| 2.1 循环流化床锅炉简介 | 第19-21页 |
| 2.1.1 循环流化床锅炉结构及其工作原理 | 第19-20页 |
| 2.1.2 循环流化床锅炉的特点 | 第20-21页 |
| 2.2 循环流化床的NO_X生成机理 | 第21-22页 |
| 2.2.1 燃料型NO_x | 第21-22页 |
| 2.2.2 热力型NO_x | 第22页 |
| 2.2.3 快速型NO_x | 第22页 |
| 2.3 CFBB的热效率计算方法 | 第22-30页 |
| 2.3.1 热效率计算方法的选取 | 第23-24页 |
| 2.3.2 反平衡法计算CFBB热效率 | 第24-25页 |
| 2.3.3 统计各项热损失采用的计算方法 | 第25-30页 |
| 2.4 CFBB燃烧优化要求 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 灰狼算法及其改进 | 第32-49页 |
| 3.1 GWO算法基本原理 | 第32-34页 |
| 3.2 自适应量子灰狼算法（AQGWO） | 第34-38页 |
| 3.2.1 量子初始化灰狼种群 | 第34-36页 |
| 3.2.2 变异算子 | 第36-37页 |
| 3.2.3 自适应惯性权值 | 第37-38页 |
| 3.3 测试算法性能及结果分析 | 第38-48页 |
| 3.3.1 标准测试函数 | 第38页 |
| 3.3.2 参数设置 | 第38-40页 |
| 3.3.3 实验结果分析 | 第40-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 循环流化床锅炉燃烧过程建模 | 第49-73页 |
| 4.1 建模对象和样本数据介绍 | 第49-51页 |
| 4.2 CFBB锅炉燃烧过程建模分析及参数整定 | 第51-52页 |
| 4.3 并行极端学习机（PELM）的原理及性能 | 第52-57页 |
| 4.3.1 极端学习机（ELM） | 第52-54页 |
| 4.3.2 并行极端学习机（PELM） | 第54-56页 |
| 4.3.3 并行极端学习机（PELM）的性能比较 | 第56-57页 |
| 4.4 建立预测NO_X排放量模型 | 第57-63页 |
| 4.4.1 建模数据样本 | 第57-58页 |
| 4.4.2 模型建立具体过程及参数设置 | 第58-59页 |
| 4.4.3 模型仿真结果及分析 | 第59-62页 |
| 4.4.4 四个性能指标 | 第62-63页 |
| 4.5 循环流化床锅炉热效率预测模型的建立 | 第63-67页 |
| 4.5.1 建立预测锅炉热效率模型 | 第63-64页 |
| 4.5.2 模型性能对比分析 | 第64-67页 |
| 4.6 循环流化床锅炉综合预测模型的建立 | 第67-72页 |
| 4.7 本章小结 | 第72-73页 |
| 第5章 循环流化床锅炉燃烧优化 | 第73-88页 |
| 5.1 循环流化床锅炉燃烧优化分析 | 第73-74页 |
| 5.2 燃烧优化的流程 | 第74-75页 |
| 5.3 建立循环流化床优化模型 | 第75-87页 |
| 5.3.1 降低NO_x排放量为目标的优化模型 | 第76-78页 |
| 5.3.2 提高锅炉热效率为目标的优化模型 | 第78-81页 |
| 5.3.3 多目标综合优化模型 | 第81-87页 |
| 5.4 本章小结 | 第87-88页 |
| 结论 | 第88-90页 |
| 参考文献 | 第90-98页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第98-99页 |
| 致谢 | 第99页 |
