| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-17页 |
| ·变风量(VAV)空调系统概述 | 第9-11页 |
| ·变风量(VAV)空调系统的概念 | 第9-10页 |
| ·变风量(VAV)空调系统的特点及使用场合 | 第10-11页 |
| ·国内外变风量(VAV)空调系统的现状及研究热点 | 第11-12页 |
| ·国外变风量(VAV)空调系统的运行现状及研究热点 | 第11-12页 |
| ·国内变风量(VAV)空调系统的运行现状 | 第12页 |
| ·变风量(VAV)空调系统常用的控制方式 | 第12-14页 |
| ·多变量解耦控制应用概况 | 第14-16页 |
| ·课题背景、本论文要解决的问题以及作者的主要见解 | 第16-17页 |
| 2 LONWORKS技术 | 第17-27页 |
| ·现场总线简介 | 第17-19页 |
| ·现场总线的概念 | 第17-18页 |
| ·几种有影响的现场总线技术 | 第18-19页 |
| ·LonWorks技术和LON总线 | 第19-25页 |
| ·LonWorks技术与LON网简介 | 第19-20页 |
| ·LonWorks技术概述及系统结构 | 第20-22页 |
| ·LonWorks的开放性及互操作性 | 第22-23页 |
| ·LonWorks的本征安全性 | 第23页 |
| ·LonWorks技术的未来 | 第23-25页 |
| ·LonWorks技术在智能建筑中的应用 | 第25-27页 |
| 3 神经元网络及在变风量(VAV)空调控制系统中的应用 | 第27-52页 |
| ·神经网络简介 | 第27-34页 |
| ·神经网络的基本特性 | 第27页 |
| ·神经元简介及网络结构 | 第27-29页 |
| ·BP网络原理及算法 | 第29-32页 |
| ·BP网络算法的实现步骤 | 第32-33页 |
| ·学习算法的收敛性分析及改进 | 第33-34页 |
| ·变风量(VAV)空调系统描述 | 第34-37页 |
| ·变风量(VAV)空调系统的组成 | 第34-36页 |
| ·变风量(VAV)空调系统机组侧解耦控制的价值和意义 | 第36-37页 |
| ·基于神经网络的系统辨识 | 第37-42页 |
| ·系统辨识的定义 | 第37-38页 |
| ·基于神经网络的非线性系统辨识 | 第38-41页 |
| ·VAV空调机组过程模型的神经网络辨识 | 第41-42页 |
| ·基于神经网络的解耦与控制 | 第42-46页 |
| ·神经网络控制 | 第42-44页 |
| ·多变量系统的解耦控制方案 | 第44-46页 |
| ·PID神经元网络对强耦合多变量系统的解耦控制 | 第46-52页 |
| ·PID神经元网络多变量控制系统结构 | 第47页 |
| ·PID神经元网络的计算方法 | 第47-50页 |
| ·PID神经元网络解耦控制机理 | 第50-52页 |
| 4 变风量(VAV)空调系统解耦控制的实验研究 | 第52-67页 |
| ·本系统中使用LonWorks网络的原因及其优越性 | 第52页 |
| ·LonWorks网络的硬件组成 | 第52-54页 |
| ·LonWorks网络的软件组成 | 第54-59页 |
| ·LonMaker工具 | 第55-56页 |
| ·LON网中DDE服务器的使用 | 第56-58页 |
| ·Visual Basic中DDE的实现 | 第58-59页 |
| ·变风量(VAV)空调系统机组侧的神经网络辨识结果及分析 | 第59-67页 |
| ·机组侧正向模型仿真实验结果及分析 | 第59-60页 |
| ·PID神经网络系统的仿真研究 | 第60-62页 |
| ·PID神经网络解耦控制实验结果及分析 | 第62-67页 |
| 5 结论 | 第67-68页 |
| ·论文工作总结 | 第67页 |
| ·论文的创新之处 | 第67页 |
| ·进一步的研究和开发工作 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录1 图表索引 | 第72-73页 |
| 附录2 软件文档(另册装订) | 第73页 |
