摘要 | 第9-10页 |
Abstract | 第10-11页 |
第1章 绪论 | 第12-22页 |
1.1 本课题研究的背景 | 第12-13页 |
1.2 低温热水地板辐射供暖系统 | 第13-16页 |
1.2.1 低温地板辐射采暖技术简介 | 第13-14页 |
1.2.2 低温地板辐射采暖优点 | 第14-15页 |
1.2.3 低温地板辐射采暖在国内外的发展情况 | 第15-16页 |
1.3 低温地板辐射采暖系统的运行控制方式 | 第16-19页 |
1.4 人工神经网络 | 第19-20页 |
1.4.1 人工神经网络的概述 | 第19页 |
1.4.2 人工神经网络的研究及发展现状 | 第19-20页 |
1.5 本课题研究的意义及主要工作内容 | 第20-22页 |
第2章 使用低品位热源的低温地板辐射供暖系统实验 | 第22-30页 |
2.1 土壤源热泵-低温地板辐射供暖系统 | 第22页 |
2.2 实验的目的和方案 | 第22-24页 |
2.3 辐射地板的设计及主要设备的选型 | 第24-26页 |
2.3.3 辐射地板设计 | 第24-25页 |
2.3.4 主要设备 | 第25-26页 |
2.4 系统的控制 | 第26页 |
2.4.1 室内温度的控制 | 第26页 |
2.4.3 热泵机组的控制 | 第26页 |
2.5 实验系统的测试 | 第26-28页 |
2.5.1 测点的布置 | 第26-27页 |
2.5.2 温度的测试 | 第27页 |
2.5.3 太阳辐射强度的测试 | 第27-28页 |
2.6 实验的数据分析 | 第28-29页 |
2.7 本章小结 | 第29-30页 |
第3章 基于TRNSYS的地板辐射供暖系统室内温度反馈控制 | 第30-39页 |
3.1 TRNSYS软件简介 | 第30-32页 |
3.1.1 TRNSYS软件整体介绍 | 第30-31页 |
3.1.2 TRNbuild简介 | 第31-32页 |
3.2 利用TRNSYS软件建立系统的室内温度反馈控制模型 | 第32-36页 |
3.2.1 建筑模型的建立 | 第32-34页 |
3.2.2 建筑供暖系统模型的建立 | 第34-36页 |
3.3 供暖系统的室内温度反馈控制模型的动态模拟 | 第36-38页 |
3.4 本章小结 | 第38-39页 |
第4章 低温地板辐射供暖系统的BP网络单步预测控制研究 | 第39-58页 |
4.1 BP神经网络概念 | 第39-44页 |
4.1.1 BP算法基本原理 | 第39-40页 |
4.1.2 BP神经网络结构 | 第40-41页 |
4.1.3 BP网络的前馈计算 | 第41-42页 |
4.1.4 BP网络的反向调整 | 第42-44页 |
4.2 BP网络在实际问题中的应用 | 第44-47页 |
4.2.1 BP网络学习算法的优化 | 第44页 |
4.2.2 提高BP网络的泛化能力 | 第44-45页 |
4.2.3 数据的预处理 | 第45-46页 |
4.2.4 选择BP网络学习算法 | 第46-47页 |
4.2.5 确定BP网络拓扑结构 | 第47页 |
4.3 系统的单步预测控制模型 | 第47-57页 |
4.3.1 确定BP网络结构 | 第47-50页 |
4.3.2 实验结果的数据处理 | 第50-51页 |
4.3.3 在线修正法及训练算法 | 第51-53页 |
4.3.4 评价人工神经网络的指标 | 第53-54页 |
4.3.5 预测的结果及分析 | 第54-57页 |
4.4 本章小结 | 第57-58页 |
第5章 低温地板辐射供暖系统的RBF网络单步预测控制研究 | 第58-66页 |
5.1 RBF神经网络的结构 | 第58-60页 |
5.2 RBF网络在实际问题中的应用 | 第60-61页 |
5.2.1 隐含层神经元个数 | 第60页 |
5.2.2 RBF网络的学习过程 | 第60-61页 |
5.3 控制模型 | 第61-63页 |
5.3.1 确定输入与输出向量 | 第61-62页 |
5.3.2 选取训练样本 | 第62页 |
5.3.3 实验数据的预处理 | 第62-63页 |
5.4 预测控制实验 | 第63-64页 |
5.5 本章小结 | 第64-66页 |
第6章 结论及展望 | 第66-68页 |
6.1 结论 | 第66页 |
6.2 展望 | 第66-68页 |
致谢 | 第68-69页 |
参考文献 | 第69-71页 |