| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的提出 | 第9-10页 |
| 1.2 研究建筑智能热湿环境控制方法的意义 | 第10-11页 |
| 1.3 热舒适理论的研究现状 | 第11-12页 |
| 1.4 课题研究的主要内容和各章节安排 | 第12-14页 |
| 1.4.1 课题主要内容 | 第12页 |
| 1.4.2 章节安排 | 第12-14页 |
| 第二章 热舒适指标及其受环境参数的影响 | 第14-25页 |
| 2.1 热舒适的定义与指标 | 第14-16页 |
| 2.1.1 热舒适定义 | 第14页 |
| 2.1.2 常用的热舒适指标 | 第14-16页 |
| 2.2 室内热湿环境的影响因素 | 第16-17页 |
| 2.2.1 空气温度 | 第16页 |
| 2.2.2 空气湿度 | 第16页 |
| 2.2.3 平均辐射温度 | 第16页 |
| 2.2.4 气流速度 | 第16页 |
| 2.2.5 人体新陈代谢率 | 第16页 |
| 2.2.6 人体着装热阻 | 第16-17页 |
| 2.3 热舒适方程 | 第17-19页 |
| 2.4 各环境参数对PMV值的影响 | 第19-24页 |
| 2.4.1 空气温度与PMV值的关系 | 第20-21页 |
| 2.4.2 空气湿度与PMV值的关系 | 第21-22页 |
| 2.4.3 气流速度与PMV值的关系 | 第22-23页 |
| 2.4.4 平均辐射温度与PMV值的关系 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 人工神经网络在预测PMV值中的应用 | 第25-36页 |
| 3.1 BP神经网络 | 第25-29页 |
| 3.1.1 BP神经网络的基本介绍 | 第25页 |
| 3.1.2 BP神经网络的学习算法 | 第25-27页 |
| 3.1.3 BP网络的逼近 | 第27-29页 |
| 3.1.4 BP网络的优缺点 | 第29页 |
| 3.2 BP神经网络在预测PMV值中的应用 | 第29-35页 |
| 3.2.1 BP神经网络的设计 | 第29-31页 |
| 3.2.2 BP神经网络的仿真与分析 | 第31-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于PMV指标的空调模糊自适应整定PID控制器的设计 | 第36-49页 |
| 4.1 PMV指标控制影响参数分析 | 第36-37页 |
| 4.2 PMV指标控制方式 | 第37-39页 |
| 4.2.1 间接控制方式 | 第37-38页 |
| 4.2.2 直接控制方式 | 第38-39页 |
| 4.3 智能热湿环境实现方案 | 第39-40页 |
| 4.4 模糊自适应整定PID控制器的设计 | 第40-48页 |
| 4.4.1 PID控制原理 | 第40-42页 |
| 4.4.2 模糊控制原理 | 第42页 |
| 4.4.3 模糊控制器的组成 | 第42-44页 |
| 4.4.4 基于PMV指标的模糊PID控制器的设计 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于Simulink的热舒适控制系统动态仿真及效果评价 | 第49-58页 |
| 5.1 Simulink仿真平台简介 | 第49-50页 |
| 5.2 空调房间温度与气流速度传递函数的建立 | 第50-52页 |
| 5.3 PID控制和模糊PID控制的仿真与分析 | 第52-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 结论 | 第58页 |
| 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
