| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 热舒适度指标模型的研究现状 | 第10-11页 |
| 1.2.2 热舒适度控制的研究现状 | 第11-12页 |
| 1.3 本课题主要研究内容 | 第12-14页 |
| 第2章 热舒适度评价及预测 | 第14-28页 |
| 2.1 热舒适度的主要影响因素 | 第14-16页 |
| 2.2 热舒适度评价指标 | 第16-19页 |
| 2.2.1 热舒适度评价指标介绍 | 第16-18页 |
| 2.2.2 PMV 指标数学模型 | 第18-19页 |
| 2.3 热舒适度预测模型 | 第19-27页 |
| 2.3.1 热舒适度预测建模方法介绍 | 第19-20页 |
| 2.3.2 BP 神经网络 | 第20-22页 |
| 2.3.3 基于 BP 神经网络的预测建模 | 第22-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于改进 PSO-BP 算法的热舒适度预测模型 | 第28-42页 |
| 3.1 粒子群优化算法(PSO) | 第28-31页 |
| 3.1.1 粒子群算法的基本介绍 | 第28页 |
| 3.1.2 粒子群算法的基本原理 | 第28-29页 |
| 3.1.3 粒子群算法的基本流程 | 第29页 |
| 3.1.4 粒子群算法的控制参数 | 第29-31页 |
| 3.1.5 粒子群算法的特点 | 第31页 |
| 3.2 粒子群算法的改进 | 第31-33页 |
| 3.2.1 粒子群算法的缺点及改进分析 | 第31-32页 |
| 3.2.2 本文的改进方法 | 第32-33页 |
| 3.2.3 改进 PSO 的算法实现 | 第33页 |
| 3.3 改进的 PSO 优化 BP 神经网络 | 第33-36页 |
| 3.3.1 PSO 优化 BP 神经网络的可行性分析 | 第33-35页 |
| 3.3.2 改进 PSO 优化 BP 神经网络预测算法 | 第35-36页 |
| 3.4 基于改进 PSO-BP 算法的预测建模 | 第36-41页 |
| 3.4.1 预测建模仿真 | 第36-37页 |
| 3.4.2 仿真结果讨论 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 空调热舒适度控制实现分析 | 第42-55页 |
| 4.1 控制策略分析 | 第42-44页 |
| 4.1.1 传统温度控制 | 第42-43页 |
| 4.1.2 热舒适度控制 | 第43页 |
| 4.1.3 控制策略的比较与确定 | 第43-44页 |
| 4.2 控制变量分析 | 第44-48页 |
| 4.2.1 环境变量对 PMV 的影响分析 | 第44-47页 |
| 4.2.2 控制变量的分析与确定 | 第47-48页 |
| 4.3 控制方式分析 | 第48-51页 |
| 4.3.1 间接控制方式 | 第49-50页 |
| 4.3.2 直接控制方式 | 第50页 |
| 4.3.3 控制方式的比较与确定 | 第50-51页 |
| 4.4 控制算法分析 | 第51-54页 |
| 4.4.1 传统 PID 控制 | 第51-53页 |
| 4.4.2 模糊控制 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 热舒适度模糊控制器的设计与仿真 | 第55-62页 |
| 5.1 模糊控制器的设计 | 第55-56页 |
| 5.1.1 模糊控制器的设计步骤 | 第55页 |
| 5.1.2 模糊控制器的设计要点 | 第55-56页 |
| 5.2 空调热舒适度模糊控制器的仿真实现 | 第56-57页 |
| 5.3 基于热舒适度的空调模糊控制系统 | 第57-60页 |
| 5.3.1 被控对象传递函数的确定 | 第57-58页 |
| 5.3.2 空调模糊控制系统的建立 | 第58-59页 |
| 5.3.3 仿真结果及比较分析 | 第59-60页 |
| 5.4 本章小结 | 第60-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第68页 |
