一种新型空气净化器的技术与开发
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·本课题研究的背景意义 | 第8-9页 |
| ·国内外空气净化系统现状 | 第9-11页 |
| ·预测控制发展及应用现状 | 第11-12页 |
| ·神经网络技术的应用现状 | 第12页 |
| ·国内外神经网络和预测控制在空气调节系统中的应用 | 第12-13页 |
| ·论文研究的目的和内容 | 第13-14页 |
| 2 空气净化系统 | 第14-24页 |
| ·空气调节的基本概念 | 第14页 |
| ·空气污染主要构成 | 第14-15页 |
| ·空气污染处理 | 第15-16页 |
| ·等离子体空气净化器 | 第16-20页 |
| ·等离子体空气净化器工作原理 | 第16-19页 |
| ·等离子空气净化器结构 | 第19-20页 |
| ·空气净化器的优点 | 第20-21页 |
| ·控制部分 | 第21-24页 |
| ·控制对象特点 | 第21-22页 |
| ·控制对象影响因素 | 第22-24页 |
| 3 预测控制 | 第24-30页 |
| ·预测控制的优点 | 第24-25页 |
| ·预测控制应用于空气调节系统 | 第25-26页 |
| ·动态矩阵控制(DMC) | 第26-29页 |
| ·预测模型 | 第26-27页 |
| ·滚动优化 | 第27-28页 |
| ·反馈校正 | 第28-29页 |
| ·预测控制应用缺陷 | 第29-30页 |
| 4 神经网络 | 第30-43页 |
| ·人工神经网络 | 第30-32页 |
| ·BP 神经网络结构的原理 | 第32-34页 |
| ·BP 神经网络的前馈计算 | 第32-33页 |
| ·BP 网络权值的调整规则 | 第33-34页 |
| ·BP 学习算法的计算步骤 | 第34页 |
| ·BP 神经网络应用于预测的原理 | 第34-37页 |
| ·BP 神经网络结构设计 | 第37-39页 |
| ·输入层和输出层的设计 | 第37页 |
| ·隐层节点数的选取 | 第37-38页 |
| ·初始权值的选取 | 第38页 |
| ·训练次数的确定 | 第38-39页 |
| ·空气净化器中BP 神经网络的应用 | 第39-43页 |
| 5 系统设计及结果 | 第43-52页 |
| ·系统设计要求 | 第43页 |
| ·系统设计 | 第43-50页 |
| ·系统硬件设计 | 第43-47页 |
| ·系统软件设计 | 第47-50页 |
| ·运行结果及分析 | 第50-52页 |
| 6 结论与展望 | 第52-54页 |
| ·全文总结 | 第52页 |
| ·研究展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58页 |
