| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-36页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-32页 |
| 1.2.1 CFD数值模拟在采后果蔬预冷中的应用 | 第17-24页 |
| 1.2.2 CFD多孔介质模型的应用 | 第24-29页 |
| 1.2.3 CFD直接数值模型的应用 | 第29页 |
| 1.2.4 CFD数值模拟的优势与不足 | 第29-30页 |
| 1.2.5 人工神经网络在农产品中的应用 | 第30-31页 |
| 1.2.6 存在问题及趋势分析 | 第31-32页 |
| 1.3 本文主要研究目标与内容 | 第32-34页 |
| 1.3.1 研究目标 | 第32页 |
| 1.3.2 研究内容 | 第32-33页 |
| 1.3.3 论文创新 | 第33-34页 |
| 1.4 本文结构安排 | 第34-36页 |
| 第2章 CFD湍流模型比较分析及最佳湍流模型选取 | 第36-46页 |
| 2.1 模型构建与网格化 | 第37-42页 |
| 2.1.1 物理模型 | 第37页 |
| 2.1.2 数学模型与6种湍流模型 | 第37-39页 |
| 2.1.3 实验方法与数值方法 | 第39-40页 |
| 2.1.4 初始条件与边界条件 | 第40-41页 |
| 2.1.5 网格划分 | 第41-42页 |
| 2.2 结果与分析 | 第42-44页 |
| 2.2.1 温度平均值比较 | 第42页 |
| 2.2.2 风速值比较 | 第42-44页 |
| 2.3 本章小结 | 第44-46页 |
| 第3章 基于球体模型的苹果接触点局部处理方式比较 | 第46-62页 |
| 3.1 物理模型与网格化分 | 第46-48页 |
| 3.1.1 单果模型 | 第46-47页 |
| 3.1.2 两果模型 | 第47-48页 |
| 3.2 数学模型与能量模型构建 | 第48-51页 |
| 3.2.1 数学假设与控制方程 | 第48-50页 |
| 3.2.2 初始与边界条件 | 第50-51页 |
| 3.2.3 物性参数 | 第51页 |
| 3.3 实验方法 | 第51-53页 |
| 3.3.1 CFD模拟 | 第51-52页 |
| 3.3.2 验证方法 | 第52-53页 |
| 3.4 结果与分析 | 第53-60页 |
| 3.4.1 单果模型 | 第53-55页 |
| 3.4.2 两果模型 | 第55-60页 |
| 3.4.3 实验验证 | 第60页 |
| 3.5 本章小结与讨论 | 第60-62页 |
| 第4章 不同结构苹果包装箱预冷性能比较 | 第62-80页 |
| 4.1 箱体物理模型构建 | 第62-63页 |
| 4.2 数学模型 | 第63-66页 |
| 4.2.1 模型假设与控制方程 | 第63-64页 |
| 4.2.2 初始条件与边界条件 | 第64-65页 |
| 4.2.3 离散化与网格敏感性分析 | 第65-66页 |
| 4.3 冷却性能评估 | 第66-67页 |
| 4.3.1 冷却速率 | 第66页 |
| 4.3.2 冷却均匀性 | 第66-67页 |
| 4.3.3 冷却能耗量 | 第67页 |
| 4.4 预冷试验 | 第67-69页 |
| 4.4.1 实验设计 | 第67-68页 |
| 4.4.2 果品质量评估 | 第68页 |
| 4.4.3 实验设备参数及相关物性参数 | 第68-69页 |
| 4.4.4 模型验证 | 第69页 |
| 4.5 结果与分析 | 第69-77页 |
| 4.5.1 模型验证 | 第69-71页 |
| 4.5.2 冷却速率和冷却均匀性 | 第71-76页 |
| 4.5.3 不同送风速率所需能耗量比较 | 第76-77页 |
| 4.6 本章小结 | 第77-80页 |
| 第5章 堆栈方式下苹果预冷性能分析与验证 | 第80-98页 |
| 5.1 托盘化果品物理模型构建 | 第80-83页 |
| 5.1.1 果品、包装箱与托盘 | 第80-81页 |
| 5.1.2 预冷实验 | 第81-82页 |
| 5.1.3 实验测量 | 第82-83页 |
| 5.1.4 果品质量评估 | 第83页 |
| 5.2 数值模拟仿真 | 第83-88页 |
| 5.2.1 模型假设 | 第83-84页 |
| 5.2.2 边界条件设置 | 第84页 |
| 5.2.3 网格化及数值模拟方法 | 第84-86页 |
| 5.2.4 冷却速率与均匀性评估 | 第86-87页 |
| 5.2.5 预冷系统能耗评估 | 第87-88页 |
| 5.3 结果与分析 | 第88-96页 |
| 5.3.1 冷却速率 | 第88-91页 |
| 5.3.2 冷却均匀性 | 第91-92页 |
| 5.3.3 预冷系统能耗量 | 第92-93页 |
| 5.3.4 果品质量损失评估 | 第93-95页 |
| 5.3.5 实验验证 | 第95-96页 |
| 5.4 本章小结 | 第96-98页 |
| 第6章 基于拉格朗日插值法的粒子群算法单目标寻优能力优化 | 第98-114页 |
| 6.1 粒子群算法 | 第98-101页 |
| 6.1.1 基本粒子群算法 | 第98-99页 |
| 6.1.2 粒子群算法的相关变体 | 第99-101页 |
| 6.2 粒子群算法的改进 | 第101-106页 |
| 6.2.1 自适应惯性权重 | 第102-103页 |
| 6.2.2 拉格朗日插值法在改进粒子群算法中的应用 | 第103-104页 |
| 6.2.3 收敛粒子的高斯突变 | 第104-106页 |
| 6.3 实验研究 | 第106-111页 |
| 6.3.1 基准测试函数 | 第106-107页 |
| 6.3.2 不同算法之间的比较及参数设置 | 第107-108页 |
| 6.3.3 实验结果 | 第108-111页 |
| 6.4 本章小结 | 第111-114页 |
| 第7章 基于改进粒子群算法与BP神经网络构建苹果预冷性能预测模型及系统实现 | 第114-126页 |
| 7.1 BP神经网络模型设计 | 第115-123页 |
| 7.1.1 样本数据获取 | 第115-118页 |
| 7.1.2 模型构建 | 第118-121页 |
| 7.1.3 模型训练方法 | 第121-122页 |
| 7.1.4 模型验证 | 第122-123页 |
| 7.2 系统开发 | 第123-124页 |
| 7.2.1 系统实现技术 | 第123页 |
| 7.2.2 系统实现过程 | 第123页 |
| 7.2.3 系统功能及意义 | 第123-124页 |
| 7.3 本章小结 | 第124-126页 |
| 结论与展望 | 第126-128页 |
| 结论 | 第126-127页 |
| 展望 | 第127-128页 |
| 参考文献 | 第128-142页 |
| 攻读博士学位期间所取得的研究成果 | 第142-144页 |
| 攻读博士学位期间参与科研项目 | 第144-146页 |
| 致谢 | 第146页 |
