基于神经网络的土壤源热泵系统运行优化控制究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·地源热泵优化的研究背景及意义 | 第11-14页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-14页 |
| ·地源热泵系统国内外研究现状 | 第14-17页 |
| ·地源热泵系统优化研究现状 | 第15-17页 |
| ·约束优化算法研究 | 第17页 |
| ·智能模型预测控制研究现状 | 第17-20页 |
| ·研究特色 | 第20页 |
| ·论文主要工作及内容安排 | 第20-23页 |
| 第2章 地源热泵系统模型参数辨识 | 第23-35页 |
| ·地源热泵系统概述 | 第23-25页 |
| ·地源热泵系统工作原理 | 第23-24页 |
| ·土壤源热泵系统各环节之间的耦合 | 第24-25页 |
| ·地源热泵系统的机组模型 | 第25-29页 |
| ·压缩机模型 | 第25-26页 |
| ·蒸发器和冷凝器的模型 | 第26-29页 |
| ·热泵系统的效率和节能效果分析 | 第29-30页 |
| ·系统实验平台 | 第30-34页 |
| ·实验监测平台基本构成和测点布置 | 第30-32页 |
| ·监测仪器说明 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于神经网络的预测控制 | 第35-55页 |
| ·软测量建模方法介绍 | 第35-37页 |
| ·机理建模方法 | 第35页 |
| ·基于神经网络的软测量建模方法 | 第35-37页 |
| ·基于最邻近聚类算法的神经网络模型 | 第37-40页 |
| ·人工神经网络简述 | 第37-38页 |
| ·RBF 神经网络的构建及算法 | 第38-40页 |
| ·预测控制 | 第40-42页 |
| ·预测控制 | 第40-41页 |
| ·预测控制研究现状 | 第41-42页 |
| ·基于神经网络的预测控制 | 第42-44页 |
| ·基于神经网络的模型预测方案 | 第44-47页 |
| ·建立基于最邻近聚类算法的神经网络模型 | 第44-45页 |
| ·基于梯度下降法的权值更新 | 第45-46页 |
| ·神经网络模型结构和评价函数 | 第46-47页 |
| ·仿真结果 | 第47-54页 |
| ·建立神经网络能耗模型 | 第47-50页 |
| ·地源热泵系统模型预测 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 地源热泵系统运行优化研究 | 第55-77页 |
| ·建立系统稳态优化模型 | 第55-58页 |
| ·建立系统数学模型 | 第55-57页 |
| ·建立系统稳态优化模型 | 第57-58页 |
| ·优化变量的选择及约束条件 | 第58-61页 |
| ·优化变量的选择 | 第58页 |
| ·地源热泵系统的约束条件 | 第58-60页 |
| ·罚函数方法简介 | 第60页 |
| ·实验分析 | 第60-61页 |
| ·智能优化算法 | 第61-63页 |
| ·智能优化算法 | 第61-62页 |
| ·智能优化算法研究趋势 | 第62页 |
| ·智能优化算法研究现状 | 第62-63页 |
| ·改进的自适应粒子群算法 | 第63-66页 |
| ·标准粒子群算法 | 第63-65页 |
| ·自适应粒子群算法 | 第65-66页 |
| ·测试函数及仿真结果 | 第66-70页 |
| ·地源热泵系统的节能优化控制 | 第70-76页 |
| ·本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间所发表的学术论文 | 第83-85页 |
| 致谢 | 第85页 |
