| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-16页 |
| ·变风量空调系统的简单介绍 | 第12页 |
| ·VAV 系统的主要特点 | 第12-13页 |
| ·国内外变风量空调的发展 | 第13-15页 |
| ·国外变风量空调发展的状况 | 第13-14页 |
| ·国内变风量空调发展的状况 | 第14-15页 |
| ·本课题所做的工作 | 第15-16页 |
| 第二章 对中央空调系统的简单论述 | 第16-22页 |
| ·暖通空调自动化控制系统的特点 | 第16-18页 |
| ·干扰比较多 | 第16页 |
| ·对研究对象的特性进行调节 | 第16-18页 |
| ·具有工况转换的控制 | 第18页 |
| ·温度的高低和相对湿度的大小 | 第18页 |
| ·空调系统的分类 | 第18-19页 |
| ·自动调节系统的过渡过程 | 第19页 |
| ·空气调节的调节品质 | 第19-20页 |
| ·变风量中央空调系统控制策略设计 | 第20-21页 |
| ·送风温度控制 | 第20页 |
| ·房间温度控制 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 热舒适指标及其受环境变量的影响 | 第22-34页 |
| ·热舒适指标简介 | 第22页 |
| ·室内热环境的影响因素 | 第22-23页 |
| ·室内的温度 | 第22页 |
| ·气流的速度 | 第22-23页 |
| ·平均辐射温度 | 第23页 |
| ·空气湿度 | 第23页 |
| ·人体新陈代谢率和所穿服装的热阻 | 第23页 |
| ·热舒适方程 | 第23-25页 |
| ·环境变量对 PMV 值的影响 | 第25-28页 |
| ·空气温度对 PMV 的影响 | 第25-26页 |
| ·相对湿度对 PMV 的影响 | 第26页 |
| ·平均辐射温度对 PMV 的影响 | 第26-27页 |
| ·风速对 PMV 的影响 | 第27-28页 |
| ·PMV 控制的舒适性与节能性 | 第28页 |
| ·PMV 指标的控制方式 | 第28-29页 |
| ·PMV 指标间接控制方式 | 第28-29页 |
| ·PMV 指标的直接控制方式 | 第29页 |
| ·变风量空调的舒适性控制策略研究 | 第29-31页 |
| ·变风量空调舒适性控制节能性仿真分析 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 应用粒子群算法与 BP 神经网络预测 PMV 指标 | 第34-51页 |
| ·人工神经网络 | 第34-37页 |
| ·人工神经网络的组成 | 第34-35页 |
| ·人工神经网络模型 | 第35-36页 |
| ·神经网络的特点 | 第36-37页 |
| ·BP 神经网络介绍 | 第37-39页 |
| ·BP 神经网络原理 | 第37页 |
| ·BP 神经网络学习步骤 | 第37-39页 |
| ·BP 神经网络的主要特点 | 第39页 |
| ·BP 神经网络预测 PMV | 第39-43页 |
| ·建立训练样本与期望输出向量 | 第39-40页 |
| ·隐含层数的选取 | 第40页 |
| ·中间层神经元个数的确定 | 第40-41页 |
| ·BP 神经网络的设计 | 第41-42页 |
| ·对仿真结果进行分析和讨论 | 第42-43页 |
| ·粒子群算法综述 | 第43-47页 |
| ·粒子群算法的起源 | 第43-44页 |
| ·粒子群算法的发展历程 | 第44-45页 |
| ·粒子群算法的基本原理 | 第45-46页 |
| ·基本粒子群主要算法流程 | 第46-47页 |
| ·粒子群算法与 BP 神经网络预测 PMV | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 PSO-PID 对变风量中央空调的末端装置的控制研究 | 第51-65页 |
| ·变风量空调系统分析与建模 | 第51-52页 |
| ·变风量空调系统运行过程 | 第51页 |
| ·变风量空调系统建模 | 第51-52页 |
| ·空调房间模型的建立 | 第52-54页 |
| ·变风量空调末端控制系统 | 第54-56页 |
| ·变风量空调压力无关型末端 | 第54页 |
| ·串级控制系统的设计原则 | 第54-55页 |
| ·串级控制系统的参数整定方法 | 第55-56页 |
| ·粒子群 PID 参数自整定控制 | 第56-64页 |
| ·PID 算法控制的原理和特点 | 第56页 |
| ·PID 控制器的参数的整定 | 第56页 |
| ·参数的预置与调整 | 第56-57页 |
| ·PID 控制规律 | 第57页 |
| ·PID 参数整定的 PSO 模型 | 第57-60页 |
| ·仿真研究与分析 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结论 | 第65-67页 |
| ·全文总结 | 第65-66页 |
| ·下一步的研究工作的建议 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72-73页 |