| 第一章： 项目研究的意义及国内外研究状况 | 第5-13页 |
| 1．1 项目研究的意义 | 第5页 |
| 1．2 溴化锂吸收式制冷技术的历史和现状 | 第5-8页 |
| 1．3 最优化及相关技术研究的历史和现状 | 第8-11页 |
| 1．4 本文研究的内容和方法 | 第11-13页 |
| 第二章： 溴化锂吸收式制冷机介绍 | 第13-19页 |
| 2．1 溴化锂吸收式制冷机分类 | 第13-14页 |
| 2．2 溴化锂吸收式机组制冷原理及其结构 | 第14-15页 |
| 2．3 溴化锂吸收式制冷机的特点 | 第15-17页 |
| 2．4 溴化锂吸收式制冷技术研究方向 | 第17-18页 |
| 2．5 本章小结 | 第18-19页 |
| 第三章： 人工神经网络辨识方法及遗传算法 | 第19-47页 |
| 3．1 人工智能科学概论 | 第19-20页 |
| 3．2 人工神经网络方法 | 第20-33页 |
| 3．3 遗传算法 | 第33-44页 |
| 3．4 人工神经网络及遗传算法在HVAC领域中的应用 | 第44-46页 |
| 3．5 本章小结 | 第46-47页 |
| 第四章： 用人工神经网络方法辨识直燃型溴化锂机组静态模型 | 第47-61页 |
| 4．1 MATLAB语言简介 | 第47-49页 |
| 4．2 溴化锂机组系统及性能描述 | 第49-50页 |
| 4．3 输入\输出量及训练集的确定 | 第50-52页 |
| 4．4 网络数据的预处理 | 第52页 |
| 4．5 前馈网络设计 | 第52-55页 |
| 4．6 直燃式溴化锂机组神经网络模型的辨识 | 第55-58页 |
| 4．7 本章小结 | 第58-61页 |
| 第五章： 用遗传算法优化直燃型溴化锂机组人工神经网络静态模型 | 第61-64页 |
| 5．1 遗传算法和神经网络的结合方式 | 第61-62页 |
| 5．2 系统优化的目标函数 | 第62-63页 |
| 5．3 程序设计 | 第63-64页 |
| 5．4 综合经济效益比较 | 第64页 |
| 5．5 本章小结 | 第64页 |
| 第六章： 结论 | 第64页 |
| 参考文献 | 第64页 |
| 致谢 | 第64-71页 |
