致谢 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第一章 绪论 | 第12-32页 |
1.1 课题的研究背景 | 第12-13页 |
1.2 国内外研究现状 | 第13-28页 |
1.2.1 冷冻水温度控制 | 第13-15页 |
1.2.2 空气处理单元控制器 | 第15-17页 |
1.2.3 温湿度独立控制方法 | 第17-22页 |
1.2.4 温湿度同时控制方法 | 第22-24页 |
1.2.5 空调系统中先进控制技术的应用 | 第24-28页 |
1.3 本文的研究意义 | 第28页 |
1.4 本文的研究路线和完成的工作 | 第28-32页 |
1.4.1 实验平台介绍 | 第28-29页 |
1.4.2 本文完成的主要工作 | 第29-32页 |
第二章 基于线性参数变化模型的冷冻水温度预测控制 | 第32-50页 |
2.1 引言 | 第32-33页 |
2.2 问题描述 | 第33-35页 |
2.3 线性参变模型的辨识 | 第35-38页 |
2.3.1 工况点的选择 | 第35-36页 |
2.3.2 局部线性模型的辨识 | 第36-37页 |
2.3.3 全局线性参变模型 | 第37-38页 |
2.4. 基于线性参变模型的预测控制 | 第38-40页 |
2.5 实验分析 | 第40-48页 |
2.5.1 典型工况点的确定 | 第40页 |
2.5.2 局部线性模型的辨识 | 第40-43页 |
2.5.3 通过插值法得到全局线性参变模型 | 第43-45页 |
2.5.4 基于线性参变模型的控制 | 第45-48页 |
2.6 本章小结 | 第48-50页 |
第三章 基于自适应神经网络的供风温度控制 | 第50-64页 |
3.1 引言 | 第50-51页 |
3.2 系统简介 | 第51页 |
3.3 问题描述 | 第51-53页 |
3.4 控制器设计 | 第53-56页 |
3.4.1 系统动态特性分析 | 第53-54页 |
3.4.2 神经网络控制器设计 | 第54-56页 |
3.5 实验测试 | 第56-62页 |
3.5.1 目标值改变测试 | 第57-59页 |
3.5.2 扰动测试实验 | 第59-62页 |
3.6 本章小结 | 第62-64页 |
第四章 基于神经网络的室内温湿度预测控制 | 第64-86页 |
4.1 引言 | 第64-66页 |
4.2 实验空调系统的组成 | 第66-67页 |
4.3 神经网络模型和控制器设计 | 第67-71页 |
4.3.1 神经网络模型 | 第67-68页 |
4.3.2 基于神经网络模型的预测控制器设计 | 第68-71页 |
4.4 数据分析和讨论 | 第71-83页 |
4.4.1 实验步骤 | 第71-72页 |
4.4.2 神经网络模型的建立 | 第72-74页 |
4.4.3 神经网络模型的验证 | 第74-75页 |
4.4.4 神经网络预测控制器与PID控制器控制性能对比实验 | 第75-83页 |
4.5 本章小结 | 第83-86页 |
第五章 基于自适应神经网络逆模型的温湿度控制 | 第86-106页 |
5.1 引言 | 第86-88页 |
5.2 神经网络控制器设计 | 第88-91页 |
5.3 自适应逆神经网络控制 | 第91-92页 |
5.4 数据分析与讨论 | 第92-103页 |
5.4.1 实验步骤 | 第92-93页 |
5.4.2 神经网络系统逆模型的建立 | 第93-94页 |
5.4.3 神经网络系统逆模型的验证 | 第94-95页 |
5.4.4 控制器性能测试 | 第95-103页 |
5.5 本章小结 | 第103-106页 |
第六章 总结与展望 | 第106-108页 |
6.1 全文工作总结 | 第106页 |
6.2 未来工作展望 | 第106-108页 |
参考文献 | 第108-116页 |
攻读博士学位期间主要的研究成果及参与科研项目 | 第116页 |