| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 换热站简介 | 第8-10页 |
| 1.1.1 换热站概述 | 第8-9页 |
| 1.1.2 国内的主要研究成果 | 第9-10页 |
| 1.2 智能算法概述 | 第10页 |
| 1.2.1 智能算法简介 | 第10页 |
| 1.2.2 人工神经网络 | 第10页 |
| 1.3 课题来源 | 第10-12页 |
| 1.4 拟采用的手段 | 第12-13页 |
| 1.5 本文的主要工作和成果 | 第13-14页 |
| 1.6 本文的组织 | 第14-16页 |
| 2 换热站 | 第16-24页 |
| 2.1 换热站技术背景 | 第16-17页 |
| 2.2 某小区换热站简介 | 第17-22页 |
| 2.3 换热站的特性分析 | 第22-24页 |
| 3 人工神经网络（ANN） | 第24-32页 |
| 3.1 人工神经网络技术背景 | 第24-26页 |
| 3.1.1 人工神经元数学模型 | 第24-25页 |
| 3.1.2 人工神经网络的分类 | 第25-26页 |
| 3.2 BP人工神经网络的概述 | 第26-27页 |
| 3.2.1 BP人工神经网络的结构与分层 | 第26页 |
| 3.2.2 BP人工神经网络的训练 | 第26-27页 |
| 3.3 BP神经网络实验分析 | 第27-29页 |
| 3.4 BP人工神经网络优化算法文献综述 | 第29-32页 |
| 4 智能算法及其优化BP神经网络 | 第32-56页 |
| 4.1 遗传算法 | 第32-43页 |
| 4.1.1 遗传算法的数学模型 | 第32-33页 |
| 4.1.2 遗传算法的研究综述 | 第33-34页 |
| 4.1.3 遗传算法实验分析 | 第34-36页 |
| 4.1.4 遗传算法的改进 | 第36-38页 |
| 4.1.5 利用遗传算法优化神经网络结构 | 第38-43页 |
| 4.2 粒子群算法 | 第43-53页 |
| 4.2.1 粒子群算法数学模型 | 第43-44页 |
| 4.2.2 粒子群算法的研究综述 | 第44-45页 |
| 4.2.3 粒子群算法的实验分析 | 第45-48页 |
| 4.2.4 粒子群算法的改进 | 第48-51页 |
| 4.2.5 利用粒子群算法优化神经网络结构 | 第51-53页 |
| 4.3 遗传算法与粒子群算法优化BP神经网络对比分析 | 第53-56页 |
| 5 神经网络控制换热站研究 | 第56-72页 |
| 5.1 换热站数学模型建立 | 第56-59页 |
| 5.1.1 BP神经网络建立换热站稳态响应数学模型 | 第56-58页 |
| 5.1.2 换热站动态数学模型 | 第58-59页 |
| 5.2 换热站智能控制研究 | 第59-68页 |
| 5.2.1 供暖策略 | 第59-60页 |
| 5.2.2 供水策略 | 第60-61页 |
| 5.2.3 换热站的解耦控制研究 | 第61-68页 |
| 5.3 换热站改造 | 第68-72页 |
| 5.3.1 换热站双控制改造 | 第68-70页 |
| 5.3.2 换热站解耦控制器的实现 | 第70-71页 |
| 5.3.3 控制效果的验证 | 第71-72页 |
| 6 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 致谢 | 第82-84页 |
| 攻读学位期间主要研究工作及奖励情况 | 第84页 |