首页--工业技术论文--一般工业技术论文--制冷工程论文--制冷机械和设备论文

高温热泵系统性能及性能预测研究

摘要第3-5页
ABSTRACT第5-7页
第一章 绪论第11-21页
    1.1 研究背景第11-16页
        1.1.1 能源现状第11-13页
        1.1.2 低温热能现状第13-14页
        1.1.3 低温热利用技术第14-16页
    1.2 高温热泵技术第16-19页
        1.2.1 高温热泵应用前景第17-18页
        1.2.2 高温热泵研究现状第18-19页
    1.3 高温热泵性能预测研究第19页
    1.4 本文研究内容第19-21页
第二章 高温工质的理论分析第21-36页
    2.1 高温工质筛选原则第21-23页
        2.1.1 环保性能第21-22页
        2.1.2 理化和输送性能第22页
        2.1.3 热力学性能第22页
        2.1.4 高温工质筛选思路第22-23页
    2.2 工质热物性分析第23-35页
        2.2.1 工质的基本物性参数第23-24页
        2.2.2 工质的理论循环性能第24-35页
    2.3 本章小结第35-36页
第三章 高温热泵试验研究第36-56页
    3.1 压缩机性能试验第36-40页
        3.1.1 涡旋压缩机第36-37页
        3.1.2 压缩机性能试验装置第37-39页
        3.1.3 压缩机性能试验研究第39-40页
    3.2 高温热泵机组试验系统第40-45页
        3.2.1 高温热泵机组的设计第40-41页
        3.2.2 高温热泵试验系统第41-44页
        3.2.3 调试过程和试验内容第44-45页
    3.3 试验结果和讨论第45-54页
        3.3.1 理论分析和讨论第45-47页
        3.3.2 试验结果和讨论第47-54页
    3.4 本章小结第54-56页
第四章 基于 SVM 的高温热泵性能预测研究第56-93页
    4.1 高温热泵实验数据分析第56-59页
        4.1.1 实验台的搭建第56页
        4.1.2 实验分析第56-59页
    4.2 支持向量机第59-66页
        4.2.1 SVM 神经网络简介第59-60页
        4.2.2 支持向量回归机第60-64页
        4.2.3 支持向量参数优化第64-66页
    4.3 误差回传神经网络(BP 网络)第66-70页
        4.3.1 BP 网络概述第66-67页
        4.3.2 BP 网络算法第67-69页
        4.3.3 BP 网络性能分析第69-70页
    4.4 高温热泵的性能模拟预测第70-91页
        4.4.1 模型的建立第70-72页
        4.4.2 模拟结果及对比第72-91页
    4.5 本章小结第91-93页
第五章 高温热泵测试系统的建立及推广应用第93-106页
    5.1 高温热泵测试系统的建立第93-102页
        5.1.1 设计方案概况第93-95页
        5.1.2 系统流程及控制原理第95-99页
        5.1.3 测试系统操作流程第99-102页
    5.2 推广应用第102-105页
        5.2.1 应用背景第102-103页
        5.2.2 工程概况第103页
        5.2.3 技术方案第103-105页
        5.2.4 经济、环境效益分析第105页
    5.3 本章小结第105-106页
第六章 结论与展望第106-110页
    6.1 主要结论第106-107页
    6.2 创新性第107-108页
    6.3 研究展望第108-110页
参考文献第110-119页
发表论文和参加科研情况说明第119-121页
致谢第121页

论文共121页,点击 下载论文
上一篇:天基红外传感器对中段目标群跟踪技术研究
下一篇:定制型电子服务顾客信任研究