| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外建筑能耗概况 | 第10-12页 |
| 1.3 智能建筑发展研究概况 | 第12-13页 |
| 1.4 建筑室内环境及能耗管理研究概况 | 第13-15页 |
| 1.4.1 建筑室内环境舒适度评价研究 | 第13-14页 |
| 1.4.2 智能建筑能耗管理研究 | 第14-15页 |
| 1.5 本文主要研究内容 | 第15-17页 |
| 第2章 室内环境舒适度评价指标体系研究 | 第17-38页 |
| 2.1 引言 | 第17页 |
| 2.2 室内热环境评价指标体系的研究 | 第17-20页 |
| 2.3 室内光环境评价指标体系的研究 | 第20-23页 |
| 2.4 室内空气质量评价指标研究 | 第23-26页 |
| 2.5 室内环境综合评价指标的建立 | 第26-37页 |
| 2.5.1 T-S模糊神经网络概述 | 第26-30页 |
| 2.5.2 基于T-S模型的室内环境综合评价指标 | 第30-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第3章 室内舒适能耗管理优化分析 | 第38-60页 |
| 3.1 引言 | 第38页 |
| 3.2 室内环境控制系统结构 | 第38-46页 |
| 3.2.1 Agent技术的概念、特点及现状 | 第38-40页 |
| 3.2.2 MAS在智能建筑领域应用 | 第40-42页 |
| 3.2.3 基于Multi-agent的室内分层监督控制系统 | 第42-46页 |
| 3.3 多目标遗传算法综述 | 第46-52页 |
| 3.3.1 多目标决策问题的基本概念及决策过程 | 第46-49页 |
| 3.3.2 多目标遗传算法的优化计算过程 | 第49-52页 |
| 3.4 基于多目标遗传算法的室内舒适能耗管理优化方案 | 第52-59页 |
| 3.4.1 优化决策分析 | 第52-57页 |
| 3.4.2 灵敏度分析 | 第57-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第4章 满足动态需求的室内舒适能耗管理 | 第60-81页 |
| 4.1 室内静态热舒适评价研究 | 第60-63页 |
| 4.2 动态热舒适学习评价规则 | 第63-65页 |
| 4.3 用户动态热舒适学习过程 | 第65-68页 |
| 4.4 基于用户舒适需求的室内环境参数的定值优化 | 第68-70页 |
| 4.5 基于用户舒适需求的室内环境优化运行策略 | 第70-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第5章 总结 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 附录1 训练T-S模糊神经网络的环境数据 | 第89-91页 |
| 附录2 基于T-S模糊神经网络的室内综合舒适度评价计算代码 | 第91-95页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第95-96页 |
| 攻读硕士学位期间参加的科研工作 | 第96-97页 |
| 致谢 | 第97页 |
