空调系统冷却塔性能分析与诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究的背景意义 | 第9页 |
| ·冷却塔性能研究诊断的重要意义 | 第9-10页 |
| ·国内外冷却塔研究现状 | 第10-13页 |
| ·人工神经网络在暖通空调系统中的应用 | 第13-15页 |
| ·本文研究内容 | 第15-17页 |
| 第2章 冷却塔的基本介绍 | 第17-22页 |
| ·冷却塔分类 | 第17-18页 |
| ·干式冷却塔与湿式冷却塔 | 第17页 |
| ·逆流塔和横流塔 | 第17页 |
| ·自然通风冷却塔和机械通风冷却塔 | 第17-18页 |
| ·机械通风冷却塔结构 | 第18-19页 |
| ·湿式冷却塔的传热传质机理 | 第19-21页 |
| ·空气与水直接接触的热湿交换原理 | 第19-21页 |
| ·冷却塔中水的冷却原理 | 第21页 |
| ·小结 | 第21-22页 |
| 第3章 冷却塔的性能评价 | 第22-39页 |
| ·冷却塔性能评价模型理论基础 | 第22-26页 |
| ·Merkel 焓差理论 | 第22-23页 |
| ·基本方程中相关参数计算 | 第23-26页 |
| ·冷却塔性能的影响因素 | 第26-29页 |
| ·性能影响外部因素 | 第26-28页 |
| ·冷却塔性能内部影响因素 | 第28-29页 |
| ·冷却塔性能评价 | 第29-33页 |
| ·计算冷却水温对比法评价 | 第30-31页 |
| ·修正冷却水温对比法评价 | 第31-32页 |
| ·冷却塔出水温度假定初始值的选取 | 第32-33页 |
| ·冷却塔性能评价在实际工程中的应用 | 第33-38页 |
| ·系统简介 | 第33-34页 |
| ·冷却塔性能诊断的实际应用 | 第34-35页 |
| ·冷却塔性能诊断软件开发 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第4章 BP 神经网络预测冷却塔性能 | 第39-61页 |
| ·人工神经网络理论 | 第39-44页 |
| ·人工神经网络概述 | 第39-40页 |
| ·人工神经网络模型 | 第40-42页 |
| ·人工神经网络的拓扑结构 | 第42-43页 |
| ·人工神经网络的学习方式 | 第43-44页 |
| ·BP 神经网络 | 第44-48页 |
| ·BP 神经网络的结构 | 第44-45页 |
| ·BP 神经网络的学习算法 | 第45-47页 |
| ·BP 神经网络的局限性 | 第47-48页 |
| ·BP 算法改进 | 第48页 |
| ·BP 神经网络模型的建立 | 第48-53页 |
| ·输入参数的选择 | 第49页 |
| ·输入数据的预处理 | 第49-50页 |
| ·神经网络的结构设计 | 第50-51页 |
| ·其他训练参数选择 | 第51-53页 |
| ·BP 神经网络预测诊断冷却塔性能 | 第53-60页 |
| ·BP 网络的训练 | 第53-56页 |
| ·BP 网络的仿真 | 第56-58页 |
| ·BP 网络进行冷却塔性能诊断 | 第58-60页 |
| ·小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第67-68页 |
| 致谢 | 第68页 |
