| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 论文研究背景与意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国内研究现状 | 第9-11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 论文研究的主要内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 家居环境热舒适相关内容及系统控制研究 | 第15-31页 |
| 2.1 智能家居环境测控系统及控制策略 | 第15-17页 |
| 2.1.1 智能家居环境测控系统 | 第15-16页 |
| 2.1.2 传统环境热舒适控制策略 | 第16-17页 |
| 2.2 室内环境热舒适及主要影响因素 | 第17-18页 |
| 2.3 室内环境热舒适度评价方法及模型选取 | 第18-22页 |
| 2.3.1 热舒适度计算方法 | 第18-19页 |
| 2.3.2 热舒适度模型选取 | 第19-22页 |
| 2.4 环境热舒适度控制变量分析 | 第22-27页 |
| 2.4.1 环境变量对PMV指标影响 | 第23-26页 |
| 2.4.2 系统控制变量的选择 | 第26-27页 |
| 2.5 基于PMV的环境控制系统研究 | 第27-30页 |
| 2.5.1 PMV指标控制方法 | 第27-28页 |
| 2.5.2 热舒适系统控制方式 | 第28-29页 |
| 2.5.3 热舒适系统控制流程 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于神经网络的室内热舒适评价研究 | 第31-43页 |
| 3.1 热舒适度PMV预测模型 | 第31-33页 |
| 3.1.1 PMV模型分析 | 第31页 |
| 3.1.2 预测模型分析 | 第31-33页 |
| 3.2 热舒适度预测模型 | 第33-34页 |
| 3.2.1 网络输入的可行性研究 | 第33-34页 |
| 3.2.2 热舒适度预测模型建立 | 第34页 |
| 3.3 基于BP神经网络的热舒适度评价研究 | 第34-41页 |
| 3.3.1 BP神经网络算法 | 第34-36页 |
| 3.3.2 基于BP神经网络的PMV指标建模 | 第36-38页 |
| 3.3.3 系统仿真与实验分析 | 第38-41页 |
| 3.4 传统神经网络预测方法分析 | 第41-42页 |
| 3.4.1 传统网络预测方法分析 | 第41页 |
| 3.4.2 自适应网络方法分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于ART2网络在热舒适度评价中的研究 | 第43-53页 |
| 4.1 ART2神经网络算法研究 | 第43-50页 |
| 4.1.1 网络的层次结构 | 第44-45页 |
| 4.1.2 网络的设计原理 | 第45-47页 |
| 4.1.3 网络的学习过程 | 第47-50页 |
| 4.2 基于ART2网络的热舒适度评价研究 | 第50-52页 |
| 4.2.1 基于ART2神经网络的PMV指标建模 | 第50页 |
| 4.2.2 实验仿真与分析 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 基于改进的ART2网络算法在热舒适度评价中的研究 | 第53-75页 |
| 5.1 ART2网络算法改进研究 | 第53-69页 |
| 5.1.1 算法不足 | 第53-55页 |
| 5.1.2 算法改进策略 | 第55-62页 |
| 5.1.3 算法改进步骤 | 第62-64页 |
| 5.1.4 系统仿真与实验分析 | 第64-69页 |
| 5.2 基于改进后的ART2算法在热舒适度评价研究 | 第69-72页 |
| 5.2.1 基于改进的ART2算法的PMV指标建模 | 第69页 |
| 5.2.2 实验仿真与分析 | 第69-72页 |
| 5.3 几种模型的分析与比较 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75-76页 |
| 6.2 研究展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 在学期间研究成果 | 第82-83页 |
| 图版 | 第83-84页 |
