摘要2-4
ABSTRACT4-9
第1章 绪论9-19
1.1 课题探讨背景及作用9-11
1.2 国内外探讨近况11-18
1.2.1 数据驱动软测量策略探讨近况11-14
1.2.2 电站锅炉软测量建模探讨近况14-18
1.3 本论文探讨的主要内容18-19
第2章 基于小波变换的数据去噪探讨19-33
2.1 小波变换的基本论述19-23
2.1.1 小波基函数19-20
2.1.2 连续小波变换20
2.1.3 离散二进小波变换20-21
2.1.4 多分辨率浅析21-22
2.1.5 Mallat 算法22-23
2.2 常用小波去噪策略23-25
2.3 小波阈值去噪在锅炉数据中的运用25-32
2.3.1 阈值函数去噪效果比较26
2.3.2 分解层数对去噪效果的影响26-27
2.3.3 不同小波基对去噪结果的影响27-29
2.3.4 阈值选取方式的去噪效果比较29
2.3.5 用于锅炉数据去噪的效果仿真29-32
2.4 本章小结32-33
第3章 基于数据驱动的软测量建模技术33-47
3.1 数据驱动软测量建模的描述33-34
3.2 基于数据驱动建模的准则34-35
3.2.1 统计学与经验风险最小化的准则34
3.2.2 统计学习论述与结构风险最小化准则34-35
3.3 数据驱动软测量建模的策略35-42
3.3.1 主元浅析法35-36
3.3.2 人工神经网络策略36-38
3.3.3 支持向量机38-42
3.4 支持向量回归机对噪声的敏感性探讨42-46
3.4.1 输入噪声为高斯模型时 与噪声方差的联系42-44
3.4.2 数值试验与浅析44-46
3.5 本章小结46-47
第4章 基于 LS-SVM 策略的电站锅炉软测量建模47-60
4.1 电站锅炉工作历程介绍47-49
4.2 烟气含氧量的软测量模型和变量选取49-51
4.2.1 模型的选择50
4.2.2 变量的选取50-51
4.3 软测量中现场数据的采集51-53
4.3.1 电站锅炉运转数据的特点51
4.3.2 检测点位置的选取51
4.3.3 锅炉现场数据的采集51-53
4.4 锅炉数据的去噪处理53-54
4.5 数据的归一化处理54-56
4.6 烟气含氧量的软测量模型的建立56-59
4.7 本章小结59-60
第5章 基于粒子群的烟气含氧量模型优化60-70
5.1 参数对模型测试性能的影响60-61
5.2 粒子群算法介绍61-63
5.2.1 粒子群算法基本原理62-63
5.2.2 PSO 算法的设计步骤63
5.3 PSO 算法的改善对策63-66
5.3.1 动态因子对策64
5.3.2 重启对策64-66
5.4 改善算法性能测试66-67
5.5 PSO 算法对烟气含氧量模型的优化67-69
5.6 本章小结69-70
第6章 结论70-72
6.1 本论文的工作总结70
6.2 今后工作展望70-72