摘要5-6
Abstract6-11
第1章 绪论11-21
1.1 课题背景和作用11-12
1.2 多传感器信息融合技术探讨近况12-15
1.3 锅炉燃烧历程制约策略的探讨近况15-19
1.3.1 PID 制约策略15-16
1.3.2 先进制约论述在燃烧历程制约系统中的运用16-19
1.4 本论文的主要探讨内容19-21
第2章 多传感器信息融合与神经网络论述21-43
2.1 多传感器信息融合论述21-23
2.1.1 多传感器信息融合的一般概念与定义21-22
2.1.2 多传感器信息融合原理22-23
2.2 多传感器信息融合系统功能和结构模型23-27
2.2.1 多传感器信息融合系统功能模型23-25
2.2.2 多传感器信息融合的结构功能模型25-27
2.3 多传感器信息融合闭环系统制约方式27-28
2.4 多传感器信息融合闭环制约系统的性能28-30
2.4.1 传感器子系统的构成与功能28-29
2.4.2 数据融合子系统的构成与功能29
2.4.3 决策子系统的构成与功能29-30
2.5 神经网络30-39
2.5.1 人工神经网络30-33
2.5.2 ART2 网络33-35
2.5.3 ART2 网络的数学模型与学习算法35-39
2.6 BP 神经网络39-42
2.6.1 BP 神经网络的结构39
2.6.2 BP 神经网络的算法原理39-41
2.6.3 BP 神经网络有着的不足41-42
2.7 本章小结42-43
第3章 循环流化床锅炉燃烧历程动态特性探讨43-62
3.1 引言43
3.2 CFBB 原理及特点43-45
3.2.1 CFBB 的基本原理43-44
3.2.2 CFBB 锅炉的结构与特点44-45
3.3 燃烧制约系统的任务45-46
3.4 CFBB 锅炉燃烧历程变量联系46
3.5 循环流化床锅炉燃烧系统的动态特性46-60
3.5.1 目前我国的电力系统建模主要有 3 种途径:46-48
3.5.2 动态能量平衡方程48-49
3.5.3 动态物料平衡方程49
3.5.4 动态炭质量平衡方程49
3.5.5 动态氧量平衡方程49
3.5.6 蒸发区压力动态平衡方程49-51
3.5.7 汽压被控对象数学模型51-54
3.5.8 床温被控对象数学模型54-56
3.5.9 含氧量被控对象数学模型56-58
3.5.10 料层差压被控对象数学模型58-60
3.6 CFBB 燃烧历程被控对象数学模型矩阵方程60-61
3.7 本章小结61-62
第4章 基于多传感器信息融合的循环流化床锅炉煤量系统聚类制约探讨62-82
4.1 循环流化床锅炉燃烧历程制约系统设计62-64
4.3 基于信息融合混合神经网络的循环流化床锅炉煤量制约系统结构64-74
4.3.1 传感器方式空间66
4.3.2 输入信息空间66-68
4.3.3 聚类融合空间68-69
4.3.4 聚类融合系统设计中各权值和参数的选取69-70
4.3.5 类别空间70-72
4.3.6 制约对策空间72-73
4.3.7 态势威胁空间73-74
4.4 CFBB 煤量系统聚类融合制约仿真探讨74-81
4.5 本章小结81-82
第5章 新聚类策略在锅炉一些运转参数数据处理中的运用82-96
5.1 数据聚类和聚类浅析82
5.2 聚类策略的评价82-83
5.2.1 聚类的准确度83
5.2.2 聚类的同构度与异构度83
5.3 C-均值算法83-84
5.4 模糊 c-均值算法(FCM)84-85
5.5 基于自适应粒子群算法的 FCM 敏感参数优化85-88
5.5.1 粒子群优化( P S O)85-87
5.5.2 自适应粒子群优化87-88
5.6 基于 APSO 的聚类算法及其与 FCM 的结合(APFM)88-90
5.7 实验结果及浅析90-95
5.8 本章小结95-96
结论96-98