| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文主要工作及结构安排 | 第15-19页 |
| 第2章 室内热湿环境热舒适度评价及预测 | 第19-39页 |
| 2.1 室内热湿环境影响因素 | 第19-21页 |
| 2.2 室内热湿环境评价 | 第21-24页 |
| 2.2.1 室内热湿环境的评价方法 | 第21-22页 |
| 2.2.2 PMV热舒适模型 | 第22-24页 |
| 2.3 室内热湿环境热舒适度PMV预测模型 | 第24-37页 |
| 2.3.1 PMV预测模型介绍 | 第24页 |
| 2.3.2 常见几种预测模型的分析比较 | 第24-26页 |
| 2.3.3 基于BP神经网络的热舒适度预测模型建立 | 第26-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第3章 基于改进PSO优化的BP神经网络PMV实时预测模型 | 第39-57页 |
| 3.1 粒子群优化算法 | 第39-44页 |
| 3.1.1 粒子群算法简介 | 第39-40页 |
| 3.1.2 基本PSO算法基本原理与相关控制参数 | 第40-44页 |
| 3.2 IPSO算法 | 第44-47页 |
| 3.2.1 PSO算法的缺点与相关改进分析 | 第44页 |
| 3.2.2 本文对PSO算法的改进 | 第44-46页 |
| 3.2.3 IPSO的算法实现 | 第46-47页 |
| 3.3 IPSO优化BP神经网络的实现 | 第47-50页 |
| 3.3.1 可行性分析 | 第47-48页 |
| 3.3.2 IPSO优化的BP神经网络PMV实时预测算法 | 第48-50页 |
| 3.4 IPSO优化的BP神经网络PMV实时预测建模 | 第50-55页 |
| 3.4.1 模型仿真 | 第50-51页 |
| 3.4.2 仿真结果分析 | 第51-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 室内热湿环境热舒适度控制实现与分析 | 第57-71页 |
| 4.1 室内热湿环境热舒适度控制策略分析 | 第57-60页 |
| 4.1.1 传统控制策略 | 第57-58页 |
| 4.1.2 PMV指标控制 | 第58-59页 |
| 4.1.3 控制策略的比较与确定 | 第59-60页 |
| 4.2 室内热湿环境热舒适度控制变量分析 | 第60-64页 |
| 4.2.1 环境变量对PMV指标影响 | 第60-62页 |
| 4.2.2 控制变量的确定 | 第62-64页 |
| 4.3 室内热湿环境热舒适度控制方式选择 | 第64-66页 |
| 4.3.1 控制方式分析 | 第64-66页 |
| 4.3.2 控制方式的确定 | 第66页 |
| 4.4 室内热湿环境热舒适度控制算法选择 | 第66-70页 |
| 4.4.1 控制算法分析 | 第66-69页 |
| 4.4.2 控制算法的确定 | 第69-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第5章 室内热湿环境PMV模糊控制系统的设计与仿真 | 第71-83页 |
| 5.1 模糊控制器的设计 | 第71-73页 |
| 5.1.1 模糊控制器的设计步骤 | 第71-72页 |
| 5.1.2 模糊控制器的设计要点 | 第72-73页 |
| 5.2 模糊控制器的仿真实现 | 第73-75页 |
| 5.3 室内热湿环境热舒适度模糊控制系统 | 第75-81页 |
| 5.3.1 被控对象传递函数的确定 | 第75-77页 |
| 5.3.2 模糊控制系统的建立 | 第77页 |
| 5.3.3 系统仿真与结果分析 | 第77-81页 |
| 5.4 本章小结 | 第81-83页 |
| 第6章 总结与展望 | 第83-85页 |
| 6.1 论文总结 | 第83页 |
| 6.2 展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 在学期间研究成果 | 第89-91页 |
| 致谢 | 第91-92页 |
