| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-27页 |
| ·选题背景 | 第11页 |
| ·有机工质的发展现状 | 第11-13页 |
| ·有机工质水平光管内流动沸腾换热的研究进展 | 第13-22页 |
| ·实验研究方面 | 第14-15页 |
| ·关联式方面 | 第15-22页 |
| ·神经网络 | 第22-25页 |
| ·神经网络的特点 | 第22页 |
| ·神经网络的能力 | 第22-23页 |
| ·神经网络的类型 | 第23-24页 |
| ·神经网络在流动沸腾换热中的应用 | 第24-25页 |
| ·本课题的研究目的及意义 | 第25页 |
| ·本文的研究内容 | 第25-27页 |
| 第二章 RBF网络和GRNN网络 | 第27-37页 |
| 引言 | 第27页 |
| ·RBF网络 | 第27-32页 |
| ·RBF网络的结构 | 第27-29页 |
| ·RBF网络的原理 | 第29页 |
| ·RBF网络的算法研究 | 第29-32页 |
| ·GRNN网络 | 第32-37页 |
| ·GRNN网络的结构 | 第33-34页 |
| ·GRNN网络的原理 | 第34-37页 |
| 第三章 基于神经网络的水平光管内R245fa流动沸腾换热研究 | 第37-59页 |
| 引言 | 第37页 |
| ·基于RBF网络的水平光管内R245fa流动沸腾换热研究 | 第37-50页 |
| ·网络输入、输出的确定 | 第37-38页 |
| ·数据的采集及样本的划分 | 第38-41页 |
| ·数据的前处理和后处理 | 第41-42页 |
| ·RBF网络的训练 | 第42-46页 |
| ·RBF网络模型预测结果与实验结果的比较 | 第46-47页 |
| ·RBF网络模型预测结果与传统关联式计算结果的比较 | 第47-48页 |
| ·输入参数的影响分析 | 第48-50页 |
| ·基于GRNN网络的水平光管内R245fa流动沸腾换热研究 | 第50-56页 |
| ·GRNN网络沸腾换热模型的结构 | 第50-51页 |
| ·GRNN网络的训练 | 第51-53页 |
| ·GRNN网络模型预测结果与实验结果的比较 | 第53-54页 |
| ·GRNN网络模型预测结果与传统关联式计算结果的比较 | 第54页 |
| ·输入参数的影响分析 | 第54-56页 |
| ·本章小结 | 第56-59页 |
| 第四章 基于RBF网络的水平光管内R407C流动沸腾换热研究 | 第59-68页 |
| 引言 | 第59页 |
| ·数据的采集与处理 | 第59-61页 |
| ·网络输入、输出的确定 | 第59-60页 |
| ·数据的采集及样本的划分 | 第60-61页 |
| ·数据的前处理 | 第61页 |
| ·RBF网络的训练 | 第61-62页 |
| ·RBF网络的预测及分析 | 第62-66页 |
| ·预测结果与实验结果的比较 | 第62-64页 |
| ·预测结果与传统关联式计算结果的比较 | 第64页 |
| ·输入参数的影响分析 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-71页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 附录A 主要算法源程序 | 第79-89页 |
| 附录B 硕士期间参加的科研项目及发表的学术论文 | 第89页 |
