基于模糊PID控制的城市综合管廊通风系统
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 通风控制研究现状 | 第9-12页 |
| 1.2.1 国内综合管廊通风控制研究现状 | 第10页 |
| 1.2.2 其他领域的通风控制研究现状 | 第10-12页 |
| 1.3 本文的研究内容 | 第12-14页 |
| 第二章 综合管廊通风系统总体设计 | 第14-25页 |
| 2.1 综合管廊环境监控数据类型 | 第14-15页 |
| 2.2 综合管廊通风方式及通风量需求计算 | 第15-18页 |
| 2.2.1 综合管廊的通风方式 | 第15-17页 |
| 2.2.2 综合管廊的通风量计算 | 第17-18页 |
| 2.3 综合管廊通风系统方案设计 | 第18-23页 |
| 2.3.1 模糊控制理论 | 第18-19页 |
| 2.3.2 模糊控制器的设计步骤 | 第19-20页 |
| 2.3.3 模糊PID控制原理 | 第20-22页 |
| 2.3.4 管廊通风系统的组成 | 第22-23页 |
| 2.3.5 管廊通风系统的数学模型 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 信息融合方法在管廊通风系统中的应用研究 | 第25-41页 |
| 3.1 信息融合系统结构 | 第25页 |
| 3.2 一级融合模型 | 第25-29页 |
| 3.2.1 信息融合的形式 | 第26-27页 |
| 3.2.2 信息融合的方法 | 第27-28页 |
| 3.2.3 卡尔曼滤波融合算法 | 第28-29页 |
| 3.3 二级融合模型 | 第29-35页 |
| 3.3.1 BP神经网络结构 | 第30页 |
| 3.3.2 BP神经网络学习算法 | 第30-32页 |
| 3.3.3 BP神经网络学习算法的计算步骤 | 第32-33页 |
| 3.3.4 BP神经网络融合模型设计 | 第33-35页 |
| 3.4 融合结果仿真分析 | 第35-40页 |
| 3.4.1 第一级融合结果分析 | 第35-36页 |
| 3.4.2 第二级融合结果分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 通风系统模糊PID控制器设计 | 第41-50页 |
| 4.1 PID控制原理 | 第41-42页 |
| 4.2 基于模糊PID控制的管廊通风系统设计 | 第42-48页 |
| 4.2.1 管廊通风系统模糊PID控制器的结构 | 第42-43页 |
| 4.2.2 管廊通风系统模糊控制器的算法设计 | 第43-48页 |
| 4.3 .管廊通风系统模糊控制器的仿真实验研究 | 第48-49页 |
| 4.4 .本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 主要工作总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 个人简历在读期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
