| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 引言 | 第12-13页 |
| 第一章 绪论 | 第13-29页 |
| 1．1 课题背景 | 第13-17页 |
| 1．1．1 国内外水源热泵空调的发展状况 | 第13-15页 |
| 1．1．2 水源热泵空调工作原理 | 第15-16页 |
| 1．1．3 课题来源 | 第16-17页 |
| 1．1．4 水源热泵空调控制系统的模型特点 | 第17页 |
| 1．2 预测控制 | 第17-21页 |
| 1．2．1 预测控制的产生 | 第17-18页 |
| 1．2．2 预测控制的发展和存在问题 | 第18-21页 |
| 1．3 智能控制发展概况 | 第21-25页 |
| 1．3．1 智能控制的产生背景 | 第21页 |
| 1．3．2 智能控制的定义和特点 | 第21-23页 |
| 1．3．3 智能控制的研究内容和应用 | 第23-24页 |
| 1．3．4 神经网络在控制中的应用 | 第24-25页 |
| 1．4 课题研究工作 | 第25-29页 |
| 1．4．1 研究内容 | 第25-27页 |
| 1．4．2 研究方法 | 第27-29页 |
| 第二章 神经网络基础现况 | 第29-42页 |
| 2．1 神经网络概述 | 第29-35页 |
| 2．1．1 人工神经网络的构成和学习 | 第30-34页 |
| 2．1．2 人工神经网络与生物神经网络的比较 | 第34-35页 |
| 2．2 基于前馈神经网络的学习算法 | 第35-42页 |
| 2．2．1 神经网络的学习方法 | 第35-38页 |
| 2．2．2 Back-Propagation神经网络算法 | 第38-40页 |
| 2．2．3 Davidon最小二乘法 | 第40页 |
| 2．2．4 阻尼最小二乘法 | 第40-42页 |
| 第三章 基于BP神经网络的预测控制 | 第42-50页 |
| 3．1 引言 | 第42页 |
| 3．2 基于BP神经网络的预测控制方案 | 第42-49页 |
| 3．2．1 BP网络仿真 | 第42-45页 |
| 3．2．2 控制方案 | 第45-49页 |
| 3．3 结论 | 第49-50页 |
| 第四章 基于温控箱的PID控制 | 第50-64页 |
| 4．1 引言 | 第50页 |
| 4．2 温控箱实验平台介绍 | 第50-56页 |
| 4．3 PID控制算法 | 第56-57页 |
| 4．3．1 增量式PID控制算法 | 第56-57页 |
| 4．3．2 积分分离PID控制算法 | 第57页 |
| 4．4 程序设计 | 第57-62页 |
| 4．4．1 面板程序设计 | 第58页 |
| 4．4．2 串行通信程序设计 | 第58-59页 |
| 4．4．3 PID控制程序设计 | 第59-62页 |
| 4．5 控制效果 | 第62-64页 |
| 第五章 基于BP神经网络预测的箱体温度控制 | 第64-81页 |
| 5．1 引言 | 第64页 |
| 5．2 基于BP神经网络的一步预测控制 | 第64-72页 |
| 5．2．1 一步预测 | 第64-69页 |
| 5．2．2 预测控制 | 第69-71页 |
| 5．2．3 控制流程 | 第71-72页 |
| 5．3 实验结果 | 第72-78页 |
| 5．3．1 实验数据 | 第73-76页 |
| 5．3．2 实验图表 | 第76-78页 |
| 5．4 系统控制归纳总结 | 第78-81页 |
| 第六章 预测控制在水源空调系统中的应用说明 | 第81-86页 |
| 6．1 如何应用 | 第81-85页 |
| 6．1．1 现有控制方案 | 第81-83页 |
| 6．1．2 改进控制方案 | 第83-85页 |
| 6．2 应用注意事项 | 第85页 |
| 6．3 应用前景 | 第85-86页 |
| 结论 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 在学研究成果 | 第90-91页 |
| 致谢 | 第91页 |