毕业设计（论文）-基于自组织神经网络的高温低氧燃烧稳定性预测.docVIP

毕业设计（论文）封面 毕 业 设 计（论 文） 设计(论文)题目：基于自组织神经网络的高温低氧燃烧稳定性预测 目录 摘要 III Abstract V 第1章 引言 - 1 - 1.1研究的意义和背景 - 1 - 1.2国内外研究动态 - 1 - 1.2.1 高温低氧燃烧技术国内外研究动态 - 1 - 1.2.2燃烧稳定性的国内外研究现状 - 4 - 1.3研究的主要内容和所作的工作 - 8 - 1.4论文的安排 - 9 - 第二章 高温低氧火焰技术下的火焰特征及特征量提取 - 11 - 2.1高温低氧技术下的火焰特征 - 11 - 2.2特征量提取 - 12 - 第三章 基于自组织神经网络的高温低氧燃烧稳定性预测 - 15 - 3.1自组织神经网络 - 15 - 3.1.1 自组织神经网络的概念及分类 - 15 - 3.1.2 SOFM网络的简介 - 16 - 3.1.3 SOFM 网络学习算法 - 17 - 3.1.4 自组织神经网络在MATLAB7上的实现 - 19 - 3.2基于自组织神经网络的高温低氧燃烧稳定性预测 - 20 - 3.2.1稳定性的预测方法 - 20 - 3.2.2自组织神经网络设计 - 20 - 3.2.3 结果分析 - 22 - 3.2.4 实验验证 - 22 - 3.2.5 结论 - 24 - 第四章 总结与展望 - 25 - 4.1总结 - 25 - 4.2存在的问题和未来展望 - 25 - 4.2.1 存在的问题 - 25 - 4.2.2 未来的发展 - 25 - 参考文献 - 27 - 致谢 - 29 - 附录 - 31 - 基于自组织神经网络的高温低氧燃烧稳定性预测 摘要 高温低氧燃烧技术它即高效节能，而且能够一定程度的降低氮氧化物的排除，而燃烧工况的稳定与否是优化设计煤粉燃烧器的基础，也是影响锅炉经济、安全运行的重要因素。但在燃烧火焰稳定性的预测方面目前还有很大的空间有待研究。 本文通过在高温低氧条件下采集的火焰图片，然后在对火焰特征分析的基础上，讨论了火焰图象平均灰度的平均值、火焰颜色特征向量、“火焰像素面积”的平均值和基于灰度直方图的信息熵4个特征量与燃烧状况的关系，并给出了它们各自的推导公式。 然后运用自组织神经网络自身的聚类功能，对燃烧工况的稳定性进行预测。其中网络的输入是4个特征量值，经过自组织训练后，网络对不同燃烧工况下的输入具有明显不同的输出，通过和火焰图片的对比验证，证实了这种方法能对检测到的燃烧火焰信号进行有效的处理，从而获取燃烧状态稳定与否的信息。 关键词：高温低氧技术（HTAC），燃烧稳定性，火焰特征量，自组织特征映射网络（SOFM） The Combustion Stability Forcasting in HTAC based on SOFM Abstract High temperature air combustion (HTAC) already has the very big utilization in the modern boiler combustion aspect，Because its has twofold superiorities of energy-saving and the low emission of NOx. For the combustion stability is the basis of optimizing the burner design as well as an important factor in the performance of the boiler efficiently and safely.But it has the very big space in the combustion flame stablity forecasting aspect because less work has addressed the combustion stability in HTAC. According to the analysis of the flame image of the coal combusting in HTAC ， four characters are proposed in the paper， Then the combustion stability is forcasting by SOFM of which four features are inputs.The calculated results agree with the experimental data basically and the index can be used as f