| 1 绪论 | 第1-13页 |
| 1．1 课题研究的意义 | 第7-8页 |
| 1．2 国内、外的研究现状和发展趋势 | 第8-12页 |
| 1．2．1 模型的辨识 | 第8-10页 |
| 1．2．2 最优化方法 | 第10-12页 |
| 1．3 本文研究的内容 | 第12-13页 |
| 2 人工神经网络方法及遗传算法 | 第13-19页 |
| 2．1 人工神经网络方法 | 第13-16页 |
| 2．1．1 人工神经元模型 | 第13-14页 |
| 2．1．2 ANN的基本结构 | 第14页 |
| 2．1．3 ANN算法的步骤 | 第14-16页 |
| 2．1．4 ANN算法的缺点及其改进 | 第16页 |
| 2．2 遗传算法 | 第16-17页 |
| 2．3 ANN和 GA的相互融合 | 第17-19页 |
| 3 基于 GA-BP方法辨识机组运行工况的性能 | 第19-35页 |
| 3．1 MATLAB及其神经网络工具箱 | 第19页 |
| 3．2 冷水机组系统运行性能描述及其输入/输出量的确定 | 第19-21页 |
| 3．2．1 冷水机组系统运行性能描述 | 第19-20页 |
| 3．2．2 输入/输出量的确定 | 第20-21页 |
| 3．3 训练样本的采集及其网络数据的预处理 | 第21-23页 |
| 3．3．1 训练样本数的确定 | 第21-22页 |
| 3．3．2 样本的选择与组织 | 第22页 |
| 3．3．3 数据的预处理 | 第22-23页 |
| 3．4 基于 GA的神经网络设计 | 第23-28页 |
| 3．4．1 BP网络的设计分析 | 第23-25页 |
| 3．4．2 遗传算法设计分析 | 第25-27页 |
| 3．4．3 GA-BP算法的步骤 | 第27-28页 |
| 3．5 冷水机组制冷性能辨识 | 第28-32页 |
| 3．5．1 模型训练 | 第28-31页 |
| 3．5．2 冷水机组性能分析 | 第31-32页 |
| 3．6 空调水系统性能辨识 | 第32-34页 |
| 3．6．1 模型训练 | 第32-34页 |
| 3．6．2 空调水系统性能分析 | 第34页 |
| 3．7 本章小结 | 第34-35页 |
| 4 基于 GA的空调水系统性能优化 | 第35-40页 |
| 4．1 系统优化的目标函数 | 第35-36页 |
| 4．2 基于遗传算法流程设计 | 第36-37页 |
| 4．3 优化结果分析 | 第37-39页 |
| 4．3．1 冷却水流量优化 | 第37页 |
| 4．3．2 冷冻水流量优化 | 第37-38页 |
| 4．3．3 冷冻水流量和冷却水流量同时优化 | 第38-39页 |
| 4．4 本章小结 | 第39-40页 |
| 5 空调水系统质调节研究 | 第40-48页 |
| 5．1 空调系统变水温性能 | 第41-45页 |
| 5．1．1 冷水机组变水温性能 | 第41页 |
| 5．1．2 风机盘管变水温性能 | 第41-43页 |
| 5．1．3 新风机组变水温性能 | 第43-45页 |
| 5．2 变水温对室内温湿度的影响 | 第45-47页 |
| 5．3 本章小结 | 第47-48页 |
| 6 某饭店中央空调水系统质调节运行方案 | 第48-52页 |
| 6．1 系统概况 | 第48-49页 |
| 6．2 空调冷冻水质调节控制策略 | 第49-50页 |
| 6．3 质调节节能分析 | 第50-51页 |
| 6．4 本章小结 | 第51-52页 |
| 7 结论与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |