| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-27页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.1.1 课题背景 | 第12-13页 |
| 1.1.2 课题的提出及研究目的和意义 | 第13页 |
| 1.2 国内外空调器长效性能研究现状 | 第13-24页 |
| 1.2.1 空调器整机长效性能的研究 | 第14页 |
| 1.2.2 冷凝器和蒸发器长效性能的研究 | 第14-22页 |
| 1.2.3 压缩机长效性能的研究 | 第22-23页 |
| 1.2.4 制冷剂及润滑油影响空调器长效性能的研究 | 第23-24页 |
| 1.2.5 风机电容、压缩机电容、风机电机对空调器长效性能的研究 | 第24页 |
| 1.3 空调器用户使用习惯研究现状 | 第24-25页 |
| 1.4 本文的主要工作 | 第25-27页 |
| 第二章 房间空调器长效运行性能评价模型建立 | 第27-33页 |
| 2.1 房间空调器长期运行综合性能评价模型 | 第27页 |
| 2.2 房间空调器全年能源消耗率计算 | 第27-32页 |
| 2.2.1 空调器制冷季节 | 第28-29页 |
| 2.2.2 空调器制热季节 | 第29-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 BP神经网络在房间空调器长效性能预测中的应用 | 第33-39页 |
| 3.1 BP神经网络基本理论 | 第33-35页 |
| 3.1.1 BP神经网络基本概念 | 第33-34页 |
| 3.1.2 BP神经网络的学习过程以及算法的数学描述 | 第34-35页 |
| 3.2 BP神经网络模型建立 | 第35-37页 |
| 3.2.1 原始数据处理 | 第35页 |
| 3.2.2 网络层数的确定 | 第35-36页 |
| 3.2.3 各层神经元数确定 | 第36-37页 |
| 3.2.4 激励函数的选取 | 第37页 |
| 3.2.5 学习参数确定 | 第37页 |
| 3.3 BP神经网络运用在空调长效性能预测中的可行性分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 房间空调器长效运行性能预测及分析 | 第39-59页 |
| 4.1 样本空调收集 | 第39-42页 |
| 4.1.1 样本空调使用时间 | 第39页 |
| 4.1.2 样本空调使用地点 | 第39-40页 |
| 4.1.3 样本空调测试 | 第40-42页 |
| 4.2 BP神经网络预测模型结构设计 | 第42-56页 |
| 4.2.1 输入参数确定 | 第42-48页 |
| 4.2.2 输出参数确定 | 第48-49页 |
| 4.2.3 BP神经网络预测模型激励函数和训练算法的选择 | 第49-50页 |
| 4.2.4 隐含层数目和各隐含层节点数的选取 | 第50-56页 |
| 4.3 房间空调器长效运行性能BP神经网络模型 | 第56页 |
| 4.4 空调长效运行性能影响因素权重分析 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 房间空调器在线运行监测及分析 | 第59-77页 |
| 5.1 空调器实际使用情况分析 | 第60-68页 |
| 5.1.1 室外环境温度对用户开机行为影响 | 第61-63页 |
| 5.1.2 室外环境温度对空调器开机时间的影响 | 第63-65页 |
| 5.1.3 用户家庭环境对空调器开机时间的影响 | 第65-68页 |
| 5.2 室外环境温度对空调器实际使用性能影响分析 | 第68-74页 |
| 5.2.1 室外环境温度对空调器逐时性能影响分析 | 第69-71页 |
| 5.2.2 室外环境温度对空调器逐日性能影响分析 | 第71-74页 |
| 5.3 房间空调器实际运行过程中热力学完善度分析 | 第74-75页 |
| 5.4 本章小结 | 第75-77页 |
| 结论与展望 | 第77-79页 |
| 结论 | 第77-78页 |
| 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 附件 | 第87页 |
