| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 本文研究背景 | 第10-12页 |
| 1.2 国内外相关研究的现状 | 第12-13页 |
| 1.3 论文选题的意义 | 第13-14页 |
| 1.4 本文主要工作内容及解决的问题 | 第14-16页 |
| 1.4.1 本文主要工作内容 | 第14页 |
| 1.4.2 本文解决的问题 | 第14-16页 |
| 第二章 机舱内影响温度相关参数的采集 | 第16-22页 |
| 2.1 数据采集仪性能 | 第16-17页 |
| 2.2 飞机客舱的内部相关参数 | 第17页 |
| 2.3 采集仪在机舱内布局的设计 | 第17-19页 |
| 2.4 数据的筛选 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 机舱温度预测模型的建立及其验证 | 第22-31页 |
| 3.1 预测方案比较及选取 | 第22页 |
| 3.2 客舱温度的预测仿真 | 第22-30页 |
| 3.2.1 单个多聚合过程神经元原理 | 第25-26页 |
| 3.2.2 BP神经预测网络原理 | 第26-27页 |
| 3.2.3 BP神经网络的学习过程 | 第27-28页 |
| 3.2.4 预测结果的验证 | 第28-30页 |
| 3.3 小结 | 第30-31页 |
| 第四章 预测控制方案的设计 | 第31-38页 |
| 4.1 预测控制基本原理 | 第31-33页 |
| 4.1.1 预测模型 | 第31页 |
| 4.1.2 滚动优化 | 第31-33页 |
| 4.1.3 反馈校正 | 第33页 |
| 4.2 预测控制技术方案的选择 | 第33-35页 |
| 4.2.1 鲁棒预测控制 | 第33页 |
| 4.2.2 参数自整定预测控制 | 第33-34页 |
| 4.2.3 模型辨识自适应预测控制 | 第34-35页 |
| 4.2.4 神经网络预测控制 | 第35页 |
| 4.3 机舱内热环境预测控制方案 | 第35-38页 |
| 4.3.1 飞机地面空调控制方案的设计 | 第36-37页 |
| 4.3.2 神经网络预测模型的动态矩阵控制算法 | 第37-38页 |
| 第五章 预测控制结果评估 | 第38-49页 |
| 5.1 模型辨识与评估 | 第38-39页 |
| 5.1.1 模型和辨识算法的选择 | 第38页 |
| 5.1.2 辨识算法介绍 | 第38-39页 |
| 5.2 机舱温度预测控制系统辨识结果与分析 | 第39-40页 |
| 5.2.1 弱噪声下的辨识结果 | 第39-40页 |
| 5.2.2 强噪声下的辨识结果 | 第40页 |
| 5.3 机舱温度系统动态矩阵控制鲁棒性验证 | 第40-42页 |
| 5.3.1 鲁棒性验证仿真结果 | 第40-42页 |
| 5.3.2 预测控制应用抗噪声水平分析 | 第42页 |
| 5.4 对客舱温度预测控制仿真验证 | 第42-43页 |
| 5.5 利用客舱热舒适性对预测控制效果的验证 | 第43-47页 |
| 5.5.1 机舱内的温度场 | 第43-46页 |
| 5.5.2 结合（Predicted Mean Vote）PMV对机舱内的热舒适性分析 | 第46-47页 |
| 5.6 本章小结 | 第47-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |