声明
摘要
第一章 绪论
1.1 选题背景及意义
1.2 基于图像处理的燃烧状态诊断研究现状
1.3 本文主要研究内容
第二章 垃圾燃烧状态的表征和特征量提取
2.1 引言
2.2 垃圾焚烧工艺及设备介绍
2.3 火焰图像采集
2.3.1 图像采集
2.3.2 数字图像的矩阵表示
2.4 火焰图像及其特征区域的划分
2.5 典型垃圾燃烧状态及其火焰图像
2.6 垃圾焚烧炉火焰图像特征量
2.6.1 选择特征量的几个原则
2.6.2 垃圾焚烧炉火焰图像特征量
2.7 特征量提取与分析
2.8 本章小结
第三章 粗糙集理论及其在火焰特征量选择中的应用
3.1 引言
3.2 粗糙集理论概说
3.3 粗糙集理论基本知识
3.3.1 知识和知识库
3.3.2 不可分辨关系
3.3.3 信息系统
3.3.4 上近似集与下近似集
3.3.5 属性的核与属性约简
3.3.6 数值型变量的处理
3.4 粗糙集属性约简算法实现
3.5 粗糙集理论在火焰特征量选择中的应用
3.5.1 应用粗糙集进行火焰特征量选择
3.5.2 特征量约简结果的比较和分析
3.6 本章小结
第四章 基于神经网络的垃圾燃烧状态诊断方法研究
4.1 引言
4.2 神经网络的基本结构及特点
4.3 一般神经元模型
4.4 BP神经网络及其学习算法
4.5 基于BP算法的垃圾燃烧状态诊断模型
4.5.1 基于神经网络的燃烧状态诊断原理
4.5.2 基于神经网络的垃圾燃烧状态诊断模型的建立
4.5.3 网络的训练与测试
4.6 本章小结
第五章 燃烧诊断模型的应用
5.1 引言
5.2 垃圾燃烧状态诊断流程
5.2.1 离线训练过程
5.2.2 在线应用过程
5.3 火焰图像特征量及其约简
5.4 典型燃烧状态的特征样本集
5.5 实际火焰图像特征量的提取
5.6 燃烧状态诊断与运行指导
5.7 本章小结
第六章 总结
6.1 研究工作总结
6.2 研究工作展望
致谢
参考文献
作者在攻读硕士学位期间研究成果