| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 市场背景和应用价值 | 第12-14页 |
| 1.2 现状和研究方向 | 第14-15页 |
| 1.2.1 人工神经网络技术的国内外研究现状 | 第14页 |
| 1.2.2 中央空调系统的自动控制发展 | 第14-15页 |
| 1.3 空调系统的组成与分类 | 第15页 |
| 1.4 空调系统的节能研究 | 第15-19页 |
| 1.4.1 空调系统的一般的节能方法 | 第15-17页 |
| 1.4.2 本论文研究的方法和内容 | 第17-18页 |
| 1.4.3 章节安排 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 人工神经网络概述 | 第20-27页 |
| 2.1 人工神经网络理论的发展概况 | 第20页 |
| 2.2 人工神经网络的主要特征 | 第20-21页 |
| 2.3 人工神经网络的理论基础 | 第21-24页 |
| 2.3.1 人脑神经元模型 | 第21-22页 |
| 2.3.2 人工神经元模型 | 第22-24页 |
| 2.3.3 人工神经网络的典型模型 | 第24页 |
| 2.4 人工神经网络的学习 | 第24-26页 |
| 2.4.1 人工神经网络的学习方式 | 第24-25页 |
| 2.4.2 人工神经的学习规则 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 空调系统的节能控制 | 第27-33页 |
| 3.1 空气调节原理 | 第27页 |
| 3.2 空调系统的构成 | 第27-28页 |
| 3.3 空调系统的温湿度控制 | 第28-29页 |
| 3.3.1 变风量控制温度 | 第28-29页 |
| 3.4 输送系统的节能控制 | 第29-30页 |
| 3.5 变风量空调系统 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 基于模糊神经网络在送风量控制上的节能研究 | 第33-46页 |
| 4.1 变风量空调系统的送风量控制 | 第33-34页 |
| 4.2 模糊神经网络自学习在风量上的控制 | 第34-39页 |
| 4.3 仿真结果 | 第39-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于模糊神经网络控制器在房间温度控制上的节能研究 | 第46-60页 |
| 5.1 房间温度控制 | 第46页 |
| 5.2 房间温度控制方案 | 第46-52页 |
| 5.3 仿真结果 | 第52-57页 |
| 5.4 系统的鲁棒性研究 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 基于 CAN总线的中央空调系统的实现 | 第60-73页 |
| 6.1 CAN总线概述 | 第60-63页 |
| 6.1.1 CAN链路层寻址 | 第60页 |
| 6.1.2 CAN帧类型和帧结构 | 第60-61页 |
| 6.1.3 CAN媒体访问控制 | 第61-62页 |
| 6.1.4 CAN的出错管理 | 第62-63页 |
| 6.2 基于 CAN总线的中央空调系统网络框架 | 第63-64页 |
| 6.2.1 中央空调温度控制系统整体构成 | 第63-64页 |
| 6.3 房间控制器 CAN节点 | 第64-65页 |
| 6.4 控制系统软件框架 | 第65-66页 |
| 6.5 房间控制器设计 | 第66-68页 |
| 6.6 房间控制器软件 | 第68-72页 |
| 6.7 本章小结 | 第72-73页 |
| 第七章 总结与展望 | 第73-75页 |
| 7.1 本文结论 | 第73-74页 |
| 7.2 研究展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 附录一 PCB图 | 第79-80页 |
| 附录二: 器件图 | 第80-82页 |
| 附录三: 部分代码 | 第82-91页 |
| 攻读学位期间已经发表的论文 | 第91页 |