| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第20-41页 |
| 1.1 研究背景与意义 | 第20-27页 |
| 1.1.1 问题的提出及课题来源 | 第20-21页 |
| 1.1.2 既有系统架构及现代楼控新要求 | 第21-26页 |
| 1.1.3 群智能(扁平化无中心)网络技术新进展 | 第26-27页 |
| 1.1.4 研究意义 | 第27页 |
| 1.2 群智能冷冻站控制系统研究现状 | 第27-34页 |
| 1.2.1 群智能冷冻站控制系统硬件架构 | 第28-30页 |
| 1.2.2 群智能冷冻站设备自识别工作机制 | 第30-32页 |
| 1.2.3 群智能冷冻站设备自组织工作机制 | 第32页 |
| 1.2.4 群智能冷冻站亟需解决优化控制问题 | 第32-34页 |
| 1.3 冷冻站优化控制的国内外研究进展 | 第34-37页 |
| 1.3.1 设备建模方法研究现状 | 第34-35页 |
| 1.3.2 并联设备供给量分配问题研究现状 | 第35-37页 |
| 1.4 主要研究内容及研究思路 | 第37-41页 |
| 1.4.1 现有问题分析 | 第37-38页 |
| 1.4.2 研究内容 | 第38页 |
| 1.4.3 研究思路 | 第38-41页 |
| 2 I~2B架构下冷冻站设备模糊模型减法聚类建模方法 | 第41-73页 |
| 2.1 冷冻站设备模糊规则减法聚类提取方法的研究 | 第41-53页 |
| 2.1.1 冷冻站设备模糊模型的选择 | 第41-42页 |
| 2.1.2 冷冻站设备模糊模型参数的定义 | 第42-44页 |
| 2.1.3 冷冻站设备减法聚类模糊规则提取方法 | 第44-49页 |
| 2.1.4 冷冻站设备减法聚类规则提取算例分析 | 第49-53页 |
| 2.2 冷冻站设备模糊模型在线减法聚类建模方法研究 | 第53-64页 |
| 2.2.1 冷冻站设备模糊模型减法聚类在线建模方法 | 第53-55页 |
| 2.2.2 冷冻站设备模糊模型减法聚类在线建模仿真方法 | 第55-57页 |
| 2.2.3 冷冻站设备减法聚类在线建模仿真验证结果分析 | 第57-64页 |
| 2.3 减法聚类在线模糊建模方法与递推最小二乘法的对比 | 第64-68页 |
| 2.3.1 递推最小二乘建模方法简述 | 第64-65页 |
| 2.3.2 跨工况自调整能力对比验证 | 第65-68页 |
| 2.4 冷机与冷却塔模糊模型减法聚类在线建模效果的验证 | 第68-71页 |
| 2.4.1 冷水机组在线模糊建模的实验验证 | 第68-70页 |
| 2.4.2 冷却塔在线模糊建模的实验验证 | 第70-71页 |
| 2.5 本章小结 | 第71-73页 |
| 3 冷冻站并联设备分布式群体智能分配优化控制方法研究 | 第73-115页 |
| 3.1 冷冻站并联设备分配优化问题的数学描述 | 第73-78页 |
| 3.1.1 并联设备供给量分配优化问题的提出 | 第73-74页 |
| 3.1.2 并联水泵供水量分配优化问题分析 | 第74页 |
| 3.1.3 并联冷水机组供冷量分配优化问题 | 第74-76页 |
| 3.1.4 并联冷却塔散热量分配优化问题 | 第76-77页 |
| 3.1.5 并联设备分配优化问题的统一描述 | 第77-78页 |
| 3.2 冷冻站并联设备分配优化问题求解思路 | 第78-84页 |
| 3.2.1 确定性优化方法的特性分析 | 第78-79页 |
| 3.2.2 群体智能组合优化方法及优越性 | 第79-80页 |
| 3.2.3 典型群体智能算法及统一求解范式 | 第80-84页 |
| 3.3 I~2B架构下有限状态机分布式群体智能优化范式的研究 | 第84-96页 |
| 3.3.1 并联设备CPN链状拓扑的数据结构 | 第84-86页 |
| 3.3.2 并联设备CPN中局部变量和传递变量的划分 | 第86-88页 |
| 3.3.3 有限状态机分布式群体智能优化范式的提出 | 第88-92页 |
| 3.3.4 有限状态机分布式群体智能优化范式的改进 | 第92-96页 |
| 3.4 I~2B架构下有限状态机分布式粒子群智能优化方法的提出 | 第96-105页 |
| 3.4.1 优化范式下粒子群优化算法的变量划分 | 第96-99页 |
| 3.4.2 优化范式下分布式粒子群优化方法的提出 | 第99-102页 |
| 3.4.3 分布式粒子群优化方法的仿真验证 | 第102-105页 |
| 3.5 I~2B架构下有限状态机分布式人工鱼群优化方法的提出 | 第105-113页 |
| 3.5.1 优化范式下人工鱼群优化方法的变量划分 | 第105-108页 |
| 3.5.2 优化范式下分布式人工鱼群优化方法的提出 | 第108-110页 |
| 3.5.3 分布式人工鱼群优化方法的仿真验证 | 第110-113页 |
| 3.6 本章小结 | 第113-115页 |
| 4 I~2B网络虚拟仿真平台的开发 | 第115-136页 |
| 4.1 I~2B网络虚拟仿真平台的需求分析 | 第115-120页 |
| 4.1.1 现有多智能体仿真平台简述 | 第115-116页 |
| 4.1.2 虚拟CPN节点功能需求分析 | 第116-120页 |
| 4.2 虚拟CPN节点的软件开发及验证 | 第120-129页 |
| 4.2.1 核心处理单元功能模块实现方法 | 第120-123页 |
| 4.2.2 网卡功能模块的实现方法 | 第123-125页 |
| 4.2.3 协处理器功能模块虚拟实现方法 | 第125-126页 |
| 4.2.4 VCPN节点组网及计算功能仿真验证 | 第126-129页 |
| 4.3 I~2B网络虚拟仿真平台下分布式群智能优化方法的实现 | 第129-135页 |
| 4.3.1 VCPN网络下实现有限状态机运行的方法 | 第129-131页 |
| 4.3.2 I~2B虚拟平台下分布式粒子群算法的仿真验证 | 第131-134页 |
| 4.3.3 I~2B虚拟平台下分布式人工鱼群算法的仿真验证 | 第134-135页 |
| 4.4 本章小结 | 第135-136页 |
| 5 并联冷机供冷量分布式群体智能优化控制仿真 | 第136-155页 |
| 5.1 I~2B网络下并联冷机供冷量分配仿真方案与仿真工况 | 第136-141页 |
| 5.1.1 I~2B网络下并联冷机控制系统与供冷量分配仿真方案 | 第136-139页 |
| 5.1.2 并联冷机仿真工况与模糊模型 | 第139-141页 |
| 5.2 I~2B虚拟平台下并联冷机FDPSO供冷量优化仿真分析 | 第141-149页 |
| 5.2.1 I~2B虚拟平台下并联冷机FDPSO供冷量优化仿真方法 | 第141-143页 |
| 5.2.2 并联冷机FDPSO供冷量优化结果分析 | 第143-147页 |
| 5.2.3 并联冷机FDPSO优化即插即用特性的验证 | 第147-149页 |
| 5.3 I~2B虚拟平台下FDAFSA与FDPSO并联冷机优化效果对比 | 第149-154页 |
| 5.3.1 I~2B虚拟平台下并联冷机FDAFSA供冷量优化仿真方法 | 第149-150页 |
| 5.3.2 FDAFSA和FDPSO优化效果与稳定性对比分析 | 第150-152页 |
| 5.3.3 FDAFSA与FDPSO收敛速度对比分析 | 第152-154页 |
| 5.4 本章小结 | 第154-155页 |
| 6 并联水泵供水量分布式群体智能优化控制仿真 | 第155-172页 |
| 6.1 I~2B网络下并联水泵供水量分配调节机理与仿真工况 | 第155-160页 |
| 6.1.1 并联水泵I~2B网络控制系统与供冷量调节机理 | 第155-158页 |
| 6.1.2 并联水泵仿真工况与模糊模型 | 第158-160页 |
| 6.2 I~2B虚拟平台下并联水泵FDPSO供水量优化仿真分析 | 第160-166页 |
| 6.2.1 I~2B虚拟平台下并联水泵FDPSO供水量优化仿真方法 | 第160-161页 |
| 6.2.2 并联水泵FDPSO供冷量优化结果分析 | 第161-164页 |
| 6.2.3 并联水泵FDPSO优化即插即用特性的验证 | 第164-166页 |
| 6.3 I~2B虚拟平台下FDAFSA与FDPSO并联水泵优化效果对比 | 第166-171页 |
| 6.3.1 I~2B虚拟平台下并联水泵FDAFSA供水量优化仿真方法 | 第166-167页 |
| 6.3.2 FDAFSA和FDPSO优化效果与稳定性对比分析 | 第167-169页 |
| 6.3.3 FDAFSA与FDPSO收敛速度对比分析 | 第169-171页 |
| 6.4 本章小结 | 第171-172页 |
| 7 结论与展望 | 第172-176页 |
| 7.1 结论 | 第172-174页 |
| 7.2 创新点 | 第174-175页 |
| 7.3 展望 | 第175-176页 |
| 参考文献 | 第176-183页 |
| 附录A FDAFSA算法程序部分代码 | 第183-187页 |
| 附录B FDPSO算法程序部分代码 | 第187-190页 |
| 攻读博士学位期间科研项目及科研成果 | 第190-191页 |
| 致谢 | 第191-192页 |
| 作者简介 | 第192页 |
