| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及存在的问题 | 第12-16页 |
| 1.2.1 复合式地板辐射系统研究现状 | 第12-14页 |
| 1.2.2 复合式地板辐射系统控制策略研究现状 | 第14-15页 |
| 1.2.3 存在的问题 | 第15-16页 |
| 1.3 本论文的研究内容及方法 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 研究方法 | 第16-18页 |
| 第2章 复合式地板辐射系统的理论基础 | 第18-27页 |
| 2.1 复合式地板辐射系统构成 | 第18-21页 |
| 2.1.1 地板辐射系统 | 第18-21页 |
| 2.1.2 空气处理系统(AHU) | 第21页 |
| 2.2 地板辐射供冷/暖的热舒适性 | 第21-24页 |
| 2.2.1 热舒适性理论基础 | 第21-23页 |
| 2.2.2 热舒适性评价标准 | 第23-24页 |
| 2.3 影响地板辐射系统性能的主要参数 | 第24-27页 |
| 第3章 遗传算法优化的BP神经网络在复合式地板辐射系统中的应用 | 第27-40页 |
| 3.1 人工神经网络概述 | 第27-29页 |
| 3.1.1 神经元模型 | 第27-28页 |
| 3.1.2 传递函数 | 第28页 |
| 3.1.3 网络结构 | 第28-29页 |
| 3.2 应用于复合式地板辐射系统的BP神经网络结构设计 | 第29-34页 |
| 3.2.1 输入、输出变量的确定 | 第30-32页 |
| 3.2.2 隐层结构设计 | 第32-34页 |
| 3.2.3 样本数据归一化 | 第34页 |
| 3.3 遗传算法优化的BP神经网络 | 第34-39页 |
| 3.3.1 遗传算法的基本原理 | 第35-36页 |
| 3.3.2 GA优化BP神经网络的实现 | 第36-39页 |
| 3.4 小结 | 第39-40页 |
| 第4章 复合式地板辐射系统仿真模型及结果分析 | 第40-56页 |
| 4.1 EnergyPlus仿真平台 | 第40-41页 |
| 4.2 周口站概况及模型介绍 | 第41-44页 |
| 4.2.1 建筑模型 | 第41-42页 |
| 4.2.2 空调系统模型 | 第42-44页 |
| 4.3 系统全年运行情况 | 第44-50页 |
| 4.3.1 冬季运行情况分析 | 第44-47页 |
| 4.3.2 夏季运行情况分析 | 第47-50页 |
| 4.4 热舒适性分析 | 第50-53页 |
| 4.4.1 冬季设计日运行情况 | 第51-52页 |
| 4.4.2 夏季设计日运行情况 | 第52-53页 |
| 4.5 系统能耗分析 | 第53-55页 |
| 4.6 小结 | 第55-56页 |
| 第5章 周口车站控制系统仿真及预测结果分析 | 第56-69页 |
| 5.1 TRNSYS仿真平台 | 第56页 |
| 5.2 控制系统模型 | 第56-58页 |
| 5.3 GA优化的BP神经网络控制效果 | 第58-65页 |
| 5.3.1 训练样本的获取与神经网络模型验证 | 第58-62页 |
| 5.3.2 控制仿真结果分析 | 第62-65页 |
| 5.4 神经网络控制算法的在线学习 | 第65-68页 |
| 5.4.1 在线学习方法 | 第65-67页 |
| 5.4.2 在线学习结果分析 | 第67-68页 |
| 5.5 小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录1 遗传算法优化BP神经网络主程序 | 第74-79页 |
| 附录2 输入自变量优化编解码子函数 | 第79-81页 |
| 附录3 BP网络权值和阈值优化适应度子函数 | 第81-82页 |
| 附录4 BP网络权值和阈值优化编解码子函数 | 第82-84页 |
| 附录5 EnergyPlus建立的复合式地板辖射系统结构图 | 第84-86页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第86页 |
