| 摘要 | 第1-7页 |
| Abstract | 第7-21页 |
| 1 绪论 | 第21-34页 |
| ·研究背景及意义 | 第21-22页 |
| ·相关研究的现状及评述 | 第22-32页 |
| ·制冷系统的稳态仿真研究现状 | 第22-26页 |
| ·相关部件的研究现状 | 第26-32页 |
| ·本文研究的目标和主要工作 | 第32-34页 |
| 2 制冷系统的混合仿真方法 | 第34-52页 |
| ·制冷系统混合仿真方法的提出 | 第34-38页 |
| ·混合仿真方法的必要性 | 第34-38页 |
| ·混合仿真方法的关键技术问题 | 第38页 |
| ·制冷系统混合仿真方法的实现 | 第38-50页 |
| ·系统模型的结构 | 第39-40页 |
| ·部件模型的选择和实现 | 第40-47页 |
| ·系统模型的求解 | 第47-50页 |
| ·小结 | 第50-52页 |
| 3 神经网络建模方法研究 | 第52-75页 |
| ·神经网络基本原理 | 第52-54页 |
| ·神经网络模型建模的步骤和分析 | 第54-59页 |
| ·数据样本 | 第54-56页 |
| ·输入输出参数 | 第56页 |
| ·传递函数 | 第56-57页 |
| ·网络结构 | 第57-59页 |
| ·训练算法 | 第59页 |
| ·神经网络建模方法的改进研究 | 第59-74页 |
| ·数据样本 | 第59-65页 |
| ·输入输出参数 | 第65-66页 |
| ·传递函数 | 第66-70页 |
| ·网络结构 | 第70-73页 |
| ·训练算法 | 第73-74页 |
| ·小结 | 第74-75页 |
| 4 制冷系统的部件神经网络模型 | 第75-111页 |
| ·容积式压缩机性能的三次多项式神经网络模型 | 第75-80页 |
| ·定频压缩机性能的神经网络模型 | 第75-76页 |
| ·带经济器的螺杆压缩机性能的神经网络模型 | 第76-80页 |
| ·毛细管和短管流量特性的通用神经网络模型 | 第80-89页 |
| ·数据样本 | 第80-81页 |
| ·输入输出参数 | 第81-84页 |
| ·神经网络模型结果和分析 | 第84-89页 |
| ·翅片管冷凝器性能的神经网络模型 | 第89-98页 |
| ·数据样本 | 第89-93页 |
| ·输入输出参数 | 第93页 |
| ·神经网络模型结果和分析 | 第93-98页 |
| ·翅片管蒸发器性能的神经网络模型 | 第98-110页 |
| ·数据样本 | 第99-100页 |
| ·蒸发器性能分析 | 第100-102页 |
| ·输入输出参数 | 第102-103页 |
| ·神经网络模型结果和分析 | 第103-110页 |
| ·小结 | 第110-111页 |
| 5 制冷系统混合仿真方法在水冷冷水机组性能模拟中的应用 | 第111-125页 |
| ·水冷冷水机组简介 | 第111-113页 |
| ·水冷冷水机组的混合仿真模型 | 第113-118页 |
| ·带经济器的螺杆压缩机神经网络模型 | 第113-114页 |
| ·满液式蒸发器和满液式冷凝器模型 | 第114-115页 |
| ·板式换热器模型（经济器） | 第115-116页 |
| ·绝热电子膨胀阀模型 | 第116页 |
| ·系统的控制方程 | 第116-118页 |
| ·系统模型的实验验证和分析 | 第118-124页 |
| ·小结 | 第124-125页 |
| 6 制冷系统混合仿真方法在轻型商用空调性能模拟中的应用 | 第125-138页 |
| ·基于部件物理模型的系统模型以及验证 | 第125-131页 |
| ·轻型商用空调的混合仿真模型结果和分析 | 第131-137页 |
| ·采用压缩机神经网络模型替代ARI 模型 | 第131-132页 |
| ·采用短管神经网络模型替代分布参数模型 | 第132-133页 |
| ·采用翅片管冷凝器神经网络模型替代分布参数模型 | 第133-134页 |
| ·采用翅片管蒸发器神经网络模型替代分布参数模型 | 第134-137页 |
| ·小结 | 第137-138页 |
| 7 总结和展望 | 第138-141页 |
| ·本文总结 | 第138-139页 |
| ·本文研究的创新点 | 第139-140页 |
| ·研究展望 | 第140-141页 |
| 参考文献 | 第141-153页 |
| 致谢 | 第153-154页 |
| 攻读学位期间发表的学术论文 | 第154-157页 |
| 上海交通大学博士学位论文答辩决议书 | 第157页 |