| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第12-15页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 课题研究现状 | 第12-13页 |
| 1.3 课题研究内容 | 第13-15页 |
| 2 中央空调系统工作原理 | 第15-24页 |
| 2.1 中央空调工作原理概述 | 第15-16页 |
| 2.2 中央空调系统建模原理 | 第16-23页 |
| 2.2.1 制冷机组模型 | 第16-17页 |
| 2.2.2 冷冻泵模型 | 第17-18页 |
| 2.2.3 冷却泵模型 | 第18-19页 |
| 2.2.4 冷却塔风机模型 | 第19-20页 |
| 2.2.5 风机盘管模型 | 第20-22页 |
| 2.2.6 中央空调系统模型 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 中央空调系统物理模型 | 第24-36页 |
| 3.1 测试数据整理 | 第24页 |
| 3.2 参数辨识原理 | 第24-27页 |
| 3.2.1 最小二乘法参数辨识 | 第24-25页 |
| 3.2.2 遗传算法参数辨识 | 第25-27页 |
| 3.3 参数辨识的MATLAB实现 | 第27-34页 |
| 3.3.1 制冷机组模型 | 第27-29页 |
| 3.3.2 冷冻水泵模型 | 第29-30页 |
| 3.3.3 冷却水泵模型 | 第30-31页 |
| 3.3.4 冷却塔风机模型 | 第31-33页 |
| 3.3.5 风机盘管模型 | 第33-34页 |
| 3.4 物理模型误差分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 人工神经网络模型 | 第36-45页 |
| 4.1 BP神经网络神经元特性 | 第36-37页 |
| 4.2 BP神经网络学习规则 | 第37-38页 |
| 4.3 BP神经网络拓扑结构 | 第38-40页 |
| 4.3.1 隐含层数的确定 | 第39页 |
| 4.3.2 隐含层节点数确定 | 第39-40页 |
| 4.4 人工神经网络模型实现 | 第40-42页 |
| 4.4.1 数据预处理 | 第40-41页 |
| 4.4.2 模型训练 | 第41-42页 |
| 4.5 人工神经网络模型误差分析 | 第42-43页 |
| 4.6 本章小结 | 第43-45页 |
| 5 基于混合模型的能源优化控制系统 | 第45-56页 |
| 5.1 中央空调系统混合能耗模型 | 第45-48页 |
| 5.1.1 FCM聚类算法 | 第45-46页 |
| 5.1.2 混合模型选择 | 第46-47页 |
| 5.1.3 混合模型误差分析 | 第47-48页 |
| 5.2 基于混合模型的专家表格 | 第48-53页 |
| 5.2.1 测试数据简化 | 第48-50页 |
| 5.2.2 控制变量简化 | 第50-51页 |
| 5.2.3 专家表格MATLAB实现 | 第51-53页 |
| 5.3 中央空调能源优化控制系统 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 6 中央空调能源优化控制系统实现 | 第56-63页 |
| 6.1 控制系统软件设计 | 第56-59页 |
| 6.1.1 用户登录 | 第56-57页 |
| 6.1.2 控制策略规划 | 第57-58页 |
| 6.1.3 现场实时控制 | 第58-59页 |
| 6.2 控制平台硬件设计 | 第59-62页 |
| 6.2.1 系统整体结构 | 第59页 |
| 6.2.2 OK6410控制平台操作 | 第59-61页 |
| 6.2.3 OK6410平台对S7-300PLC控制 | 第61-62页 |
| 6.3 本章小结 | 第62-63页 |
| 7 结论与展望 | 第63-65页 |
| 7.1 工作总结 | 第63页 |
| 7.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 图索引 | 第68-70页 |
| 表索引 | 第70-71页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第71-73页 |
| 学位论文数据集 | 第73页 |