学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的电站锅炉燃烧稳定性研究

作　者: 李玉华
导　师: 常太华
学　校: 华北电力大学（北京）
专　业: 控制理论与控制工程
关键词: 电站锅炉支持向量机交叉验证燃烧稳定性统计学习理论火检信号
分类号: TK227.1
类　型: 硕士论文
年　份: 2008年
下　载: 106次
引　用: 3次
阅　读: 论文下载

内容摘要

锅炉是火电厂重要的燃烧设备,它内部的燃烧状况直接影响着整个机组运行的安全性、经济性和环保性,因此对锅炉的燃烧稳定性的研究历来都是研究的热点。本文首先对燃烧稳定性的影响因素和反映因素进行了归纳总结。然后介绍了有关统计学习理论和支持向量机算法,该方法与传统方法相比,克服了固有的模型选择与过学习问题、非线性与维数灾难问题、局部极小问题。最后从火检强度和影响因素着手,利用支持向量机(SVM)对燃烧状态识别分类。测试结果表明,支持向量机方法用于锅炉燃烧稳定性的判别,具有很好的分类和泛化能力。

全文目录

摘要  3
ABSTRACT  3-6
第一章绪论  6-11
  1.1 前言  6-7
  1.2 相关研究  7-9
    1.2.1 煤粉燃烧稳定性理论研究  7-8
    1.2.2 电站锅炉燃烧状态检测技术发展状况  8-9
      1.2.2.1 基于自组织神经网络的火焰燃烧诊断技术  8-9
      1.2.2.2 基于模糊理论的燃烧诊断技术  9
      1.2.2.3 基于主元分析方法的燃烧诊断技术  9
      1.2.2.4 基于火焰颜色定量分析的燃烧诊断技术  9
      1.2.2.5 基于频谱分析的燃烧诊断技术  9
  1.3 研究内容及意义  9-10
  1.4 本章小结  10-11
第二章燃烧稳定性因素分析  11-23
  2.1 影响因素分析  11-16
    2.1.1 煤质变化  11-12
    2.1.2 锅炉负荷  12-13
    2.1.3 煤粉浓度  13
    2.1.4 一次风温与风速  13-16
    2.1.5 煤粉细度  16
    2.1.6 煤粉气流的初温  16
    2.1.7 二次风风速和风温  16
    2.1.8 其它因素  16
  2.2 反映燃烧稳定性的因素  16-22
    2.2.1 炉膛压力  17
    2.2.2 火检信号  17-22
  2.3 本章小结  22-23
第三章支持向量机模型参数选择算法研究  23-38
  3.1 支持向量机简介  23-29
    3.1.1 机器学习理论概述  23-25
    3.1.2 统计学习基本理论  25-28
    3.1.3 支持向量机算法的发展历史和现状  28-29
  3.2 支持向量机基本算法  29-34
    3.2.1 支持向量分类  29-32
    3.2.2 支持向量回归  32-34
  3.3 支持向量机模型参数的选择  34-37
    3.3.1 模型参数对SVM 分类性能的影响  34-36
    3.3.2 模型参数选择方法  36-37
  3.4 本章小结  37-38
第四章算法验证  38-50
  4.1 研究对象  38
  4.2 数据准备  38-39
  4.3 样本输入量的选择  39-40
  4.4 数据分析工具  40-41
  4.5 基于炉膛火检信号的燃烧状态判断  41-47
    4.5.1 训练与测试  41-46
    4.5.2 模型参数的选择  46-47
  4.6 基于影响因素的燃烧诊断  47-49
    4.6.1 特征数据的提取  47-48
    4.6.2 训练与测试  48-49
  4.7 本章小结  49-50
第五章结论与展望  50-52
参考文献  52-55
致谢  55-56
在学期间发表的学术论文和参加科研情况  56

基于支持向量机的电站锅炉燃烧稳定性研究

内容摘要

全文目录

相似论文