一、基于神经网络的侧吹风空调工况自动转换（论文文献综述）
王红[1]（2013）在《废旧纺织服装回收及应用研究》文中研究指明由于资源的匮乏、人们可持续发展意识的增强,废旧物品的回收近年来一直倍受人们的关注。我国是纺织服装生产和消费大国,对纺织纤维原料的需求量巨大,做好废旧纺织品服装的回收再利用,不仅有助于缓解纺织行业原材料供应紧张的局面,还能节约能源,实现可持续发展。为了解目前国内废旧纺织服装回收及应用现状,本文首先调研了10家回收站点和6家回收再利用企业,并访问了两家专业回收机构。通过调研发现目前国内废旧纺织服装回收分类处理紊乱,作业过程中存在着卫生安全隐患,再生纺织品缺乏质量监控。针对上述情况,本文在研究国内外废旧纺织服装回收处理体系的基础上,结合我国回收再利用现状,得出适合我国发展的废旧纺织服装分类体系。并结合国内外相关作业标准,规范回收作业行为,促使回收再利用有序化,减少卫生安全隐患。为了解再生纺织品的性能质量,本文以再生毛纺织品为实验对象,从纤维和织物两个角度分析比较回收再利用产品的性能质量,了解再生毛纺织品的损伤情况。调研发现,目前主要是个体经营者从事废旧纺织服装的回收再利用,企业规模小,专业回收企业较少。废旧纺织服装的主要回收对象为纯棉、毛和涤纶纺织品,回收方法主要为物理机械方法,再生纺织品的种类较单一,附加值低。再生纺织品信息标明不详,且回收市场缺乏监管,存在混乱加工销售现象和卫生安全隐患。针对回收分类处理紊乱的现状,结合我国废旧纺织服装回收处理工艺,将废旧纺织品按来源、处理级别、成分、颜色等逐步分类,并针对每个来源细化分类细则,建立适合我国发展的废旧纺织服装分类体系。最后,通过对上海市部分废旧衣物回收点的实地调研,采用专家访谈式的调研方法,分析分类体系的操作性和实践中可能会遇到的问题。为了规范回收作业,结合国内外回收作业相关文献,从回收收集点、回收作业人员、回收作业环境和回收处理作业四个角度,联系实际生产状况和参数,规范回收收集点的基本设计属性、回收作业人员的基本职业素质要求、回收作业环境的无害化设计和回收处理作业的优化流程和生产参数,为废旧纺织服装的规范化作业提出可行性建议。为了解再生纺织品的质量,选择再生毛纺织品为对象,从纤维与纺织品两个角度进行性能对比分析。实验表明循环再用毛纤维的长度损伤75%,单纤维强度损伤20%-30%,细度损伤较小。再生毛纺织品的力学性能损伤程度随着含毛量的增加而降低,但含毛量超过60%,趋于平缓。再生毛纺织品的耐磨性损伤程度达到20%左右,抗起毛起球性能也发生了损伤,但没有力学性能明显。
黄永红[2]（2007）在《基于递阶结构的变风量空调系统故障检测与诊断研究》文中指出据统计,变风量（Variable-Air-Volume, VAV）空调系统比常规的定风量系统可节能30%至50%。但是,变风量空调系统的控制比较复杂,因而故障的发生也比较频繁。若不能及时地检测、诊断并排除故障,势必影响系统的正常运行,从而增加空调系统能耗、降低人体舒适性、加剧空调设备损耗。目前,空调系统的故障主要依靠维修人员的感觉器官和个人经验来诊断与排除。但是,单靠维修人员,很难及时发现和排除变风量空调系统的故障,因此,研究变风量空调系统自动故障检测与诊断（Fault Detection and Diagnosis, FDD）技术,对于空调系统的节能与稳定运行具有重要的现实意义。本文根据VAV系统及其控制的特点,提出了基于递阶结构的故障检测与诊断的基本方法,该方法将VAV系统故障诊断分为依次递阶的三个层次或级别,即系统级、单元级和元件级。针对各层次不同的特性和要求,分别采用不同的建模和故障诊断方法,以提高故障检测与诊断的准确性和可靠性,同时可将VAV系统故障检测与诊断相分离,将建模复杂性和故障诊断计算量适当分散,有利于VAV系统FDD的实现以及与控制系统的最终整合。对系统级依据VAV总能耗变化情况进行故障检测,即通过检查实际能耗与正常能耗是否一致来判断VAV系统内是否发生了故障。系统正常能耗采用模糊神经网络（Fuzzy Neural Network, FNN）预测。在分析神经网络和模糊逻辑的基础上,建立并实现了Mandani型和Takagi型两类模糊神经网络模型结构,并分别考虑了高斯型（Gaussian）、铃形（Bell）和三角形（Triangular）3种输入模糊量隶属度函数,因此可对6种模糊神经网络模型进行系统级故障检测研究和比较。在夏季制冷工况下,获取了三组实验室VAV系统运行数据,其中两组为正常运行数据,分别用来训练和测试FNN模型;第三组为含故障运行数据,用来检验各种FNN模型的故障检测能力。模型训练、测试以及故障检测的结果表明,采用高斯型或铃形隶属度的Mandani型模糊神经网络模型具有较好的模型精度和系统级故障检测能力。对单元级故障诊断,提出了基于控制回路的故障诊断基本方法。根据VAV系统基本控制回路划分故障诊断单元;故障依据被控量和控制量残差进行诊断。被控量残差为被控量与其设定值的偏差,控制量残差为控制量与其正常值的偏差;控制量的正常值采用外生自回归（Auto-Regressive with eXogenous inputs,ARX）模型或滑动平均外生自回归（Auto-Regressive with Moving Average eXogenous inputs,ARMAX）模型预测。分析了ARX和ARMAX模型及其参数辨识算法的特点和不足,提出了把ARX作为ARMAX模型的特殊情况,采用遗传算法（Genetic Algorithm, GA）辨识ARMAX模型的优化建模方法。针对实验室的VAV系统,建立了送风温度控制、管道静压控制和室内温度控制等3个主要故障诊断单元的ARMAX模型的基本形式。并以室内温度控制为例,利用运行数据和ARMAX的GA建模方法,对人为引入该单元的两个故障进行了检测与诊断。结果表明,控制量残差具有更好的故障诊断能力,综合被控量和控制量两方面检测的结果,可以提高VAV单元级故障检测的可靠性并对故障的性质进行初步诊断。对元件级故障诊断,提出了故障模式匹配的诊断方法,以提高元件级故障诊断的准确性和可靠性。由VAV系统发生故障时的特征过程量的实际响应,得到故障的定性模式和定量模式,并分别与存储在故障诊断系统里的故障定性知识库里的各定性模式和故障定量知识库里的各定量模式相比较和匹配,匹配结果即为故障诊断结果。故障定量知识库里的各定量模式需由故障模型动态仿真获取。以VAV送风温度控制单元内的元件故障为例,采用基于物理机理建模的方法,建立了送风温度控制系统的数学模型,并基于SIMULINK软件实现了6种元件故障仿真模型,构成基本的送风温度回路内元件故障仿真模型库;通过实验,获得了6种元件故障的定性模式,构成基本的送风温度回路内元件故障定性模式库。为了说明模式匹配故障诊断方法的具体过程以及验证其有效性,对送风温度传感器测量值偏高故障进行了实验研究。利用实验获取的相关运行量数据,采用模式匹配方法进行故障诊断与分析,结果证明了元件级模式匹配故障诊断方法的有效性和可靠性。
赵金明[3]（2007）在《润滑油温模糊控制系统及其实现》文中提出本文主要讨论的是稀油润滑系统的油温控制问题。根据实际要求，该系统在工作中，必须将稀油的工作温度维持在一定范围内，要求油箱温度的控制精确为±5℃以内。由于稀油的最高温度为60℃，而且油路系统各部分对温度的影响情况复杂，所以温度控制成了这个项目瓶颈问题。首先，在对稀油系统温控方案和温控装置作了整体设计的基础上，提出用PLC作为数据采集系统的核心处理器，温度控制方法采用多级模糊控制器串联的方式，一级级减小温度跳动量，以保证最后的精度要求。在硬件设计上，设计了一个基于PLC的数据采集系统，用来对稀油系统中指定各个点的温度实现采集，并可将数据通过RS485网络传给工控机。该采集系统包括下列模块：电源模块，CPU，模拟量输入模块，模拟量输出模块，开关量输入模块，开关量输出模块等。文中对系统的各个模块进行了详细介绍。本文简要叙述了模糊控制理论的发展概况和发展趋势，分析了模糊控制技术与传统控制技术的特点、区别及各自的优势和存在的问题，给出了模糊控制器的设计方法和性能改进措施。在控制方法上，本文作了三个方面的尝试，分别详细地论述了常规模糊控制器、参数自整定模糊PID控制器、带有自调整因子的模糊控制器的设计过程。本文以Matlab为仿真平台，针对稀油温度进行系统设计和仿真，研究并提出了改进模糊控制器的方法。仿真结果表明，模糊PID控制器的鲁棒性强，响应速度更快。所以本系统最终决定采用模糊PID控制。仿真结果表明，将模糊控制方法用于本油温控制系统可以达到预期的效果，它将人们处理问题的经验方法和传统PID控制方法相结合，能够满足工业生产需要，具有较强的可行性和实用性。最后，根据系统工作现场的复杂环境，提出了具有较强抗干扰能力的硬件实施方案和软件设计。
胡爱兰[4]（2006）在《油源恒温模糊控制系统及其实现》文中提出本文是来源于某研究所的“冷却风扇液压泵-马达传动试验台”项目，该试验台用于进行冷却风扇、液压泵、液压马达系统的试验及液压部件试验。本文主要讨论的是该试验台液压系统的油温控制问题。根据试验要求，本试验台在工作中，必须将液压油的工作温度维持在一定范围内，特别是在进行系统热平衡试验项目时，要求油箱温度的控制精确为±1℃以内。由于液压油的最高温度为130℃，而且油路系统各部分对温度的影响情况复杂，所以温度控制成了这个项目的瓶颈问题。 首先，在对液压系统温控方案和温控装置作了整体设计的基础上，提出用DSP作为数据采集系统的核心处理器，温度控制方法采用多级模糊控制器串联的方式，一级级减小温度跳动量，以保证最后的精度要求。 在硬件设计上，设计了一个基于DSP（Digital Signal Processor）的多通道高速数据采集系统，用来对液压系统中指定各个点的温度实现采集，并可将数据通过RS485网络传给工控机。该采集系统包括下列模块：电源模块、复位电路、晶体振荡器电路、外部总线扩展接口、JTAG接口、外部EEPROM接口、模拟信号采集模块、异步串行接口模块、D／A输出模块等。文中对系统的各个模块的设计进行了详细论述，并给出了原理图。 在控制方法上，本文作了三个方面的尝试，分别详细地论述了常规模糊控制器、参数自整定模糊PID控制器、带有自调整因子的模糊控制器的设计过程。 最后，以MATLAB为仿真平台，对传统PID控制器和模糊PID控制器的控制性能进行比较，仿真结果表明，模糊PID控制器的鲁棒性强，响应速度更快。所以本系统最终决定采用模糊PID控制。另外还通过改变自调整因子的值，比较分析模糊控制器的自调整因子对控制性能的影响。 仿真结果表明，将模糊控制方法用于本油温控制系统可以达到预期的效果，它将人们处理问题的经验方法和传统PID控制方法相结合，能够满足工业生产需要，具有较强的可行性和实用性。
闵剑青,徐梓斌[5]（2003）在《基于神经网络的侧吹风空调工况自动转换》文中进行了进一步梳理为建立空调实时控制系统提供简单可靠的工具,介绍了化纤厂侧吹风空调控制系统的工作原理及工况转换方法,运用神经网络理论和MATLAB中的仿真工具SIMULINK,通过对吹风空调系统全年运行工况分析,建造出基于神经网络的工况转换仿真模型,提出了工况转换的SIMULINK实现的方法,使空调工况转换变得更加迅捷有效.
闵剑青[6]（2005）在《基于神经网络的中央空调控制系统的建模与仿真》文中研究说明本文从工程实际出发,对基于神经网络的中央空调控制系统的建模和仿真进行了研究。文章结合人工神经网络和空调系统的基本理论,建立了神经网络湿空气参数和工况转换模型,研究了空调时滞对象的神经网络辨识以及神经网络预测控制方法,并在此基础上构建了某一次回风露点控制全年运行调节的中央空调系统的SIMULINK仿真模型,进行了仿真实验。 本文的主要研究内容有如下几个方面: ● 综述了人工神经网络用于空气调节技术的研究现状,并就基于神经网络的中央空调系统仿真研究提出了作者的一些观点; ● 通过对侧吹风空调系统全年运行工况分析,建造出基于神经网络的工况转换仿真模型,提出了工况转换的SIMULINK实现的方法,使空调工况转换变得更加迅捷有效。 ● 运用MATLAB辨识工具箱和神经网络理论,通过对暖通空调系统中常见的时滞对象的辨识,研究了基于神经网络的线性和非线性的辨识方法。从仿真结果看来,神经网络对非线性对象的辨识具有明显的优势。 ● 神经网络预测控制由于控制性能好,易于实现,鲁棒性好,因此本文从空调时滞模型角度出发,对基于神经网络预测控制进行了研究和仿真,取得了满意的控制效果。 ● 建立了空调系统全年运行自动控制系统仿真模型,该模型能根据室内外参数的变化自动切换工况、计算设备运行容量、显示室内外温度变化曲线。
易金萍[7]（2002）在《侧吹风空调系统的仿真及故障诊断研究》文中研究指明本论文简要介绍了侧吹风空调系统及其自动控制的特点,阐述了系统的正常运行对合成纤维生产的重要性。作者在对国内外暖通空调领域故障诊断方面的研究工作及应用进展深入了解的基础上,综合运用系统辨识领域的研究方法及成果,建立了侧吹风空调送风温度控制子系统的参数模型,开发了侧吹风空调系统故障诊断软件。本论文的具体工作包括以下几个方面: （1）在分析侧吹风空调系统各部件（混合箱、表冷器）中的空气混合及热湿处理过程的基础上,由热平衡方程导出了夏季工况下侧吹风送风温度控制子系统数学模型的一般形式。 （2）通过对露点温度控制环节进行仿真,得到了过程的动态响应曲线,应用Z—N整定法得到了冷冻水三通调节阀PID调节器的参数整定值。仿真模型考虑了外扰——室外气温波动的影响,参数整定值可信度较好。 （3）综合运用系统辨识领域的研究成果,以系统正常运行时的一组历史记录数据为输入输出序列,建立了侧吹风空调送风温度控制子系统的参数模型。通过比较ARMAX、ARX、IV4等模型的输出残差序列,应用残差相关性检验方法,选择了置信度更高的ARX模型;应用最终陡峭下降准则检验模型的拟合优度,检验了模型的阶和时延;并对模型的可辨识性、参数的在线实时辨识及观测数据的预处理等问题作了必要的考虑。 （4）按照“数学模型—系统仿真—辨识建模—参数在线辨识”的技术路线,研究开发了夏季工况下的侧吹风空调系统故障诊断软件,由仿真曲线和参数的在线实时估计值,结合现场知识工程师的经验,成功地检测出了温度计的故障。结果表明:该故障诊断系统不仅能检测出现场操作人员易发现的故障（如温度计失灵等）,同时也可为现场操作人员检测如自动阀门卡死等难以察觉的执行器故障提供重要的参考。
黄显明[8]（2001）在《模糊神经网络技术及其在过程控制中的应用》文中研究说明随着科学技术的发展，现代工业生产过程的一个共同特征是控制系统的复杂性和不确定性日趋明显，即各子系统之间或其内部会有较强的关联性，参数的高维性、时变性和随机性，且系统和环境具有许多未知的和不确定的因素，这些因素还会随环境、工况和时间等发生不可预料的变化。因此已不可能采用那些基于定量数学模型的传统控制方法对其实现有效的控制，必须寻求新一类的控制策略。 模糊控制是一种不依赖于被控过程数学模型的仿人思维的控制技术。它可以利用领域专家的操作经验或知识建立被控系统的模糊规则，有较好的知识表达能力。但在工程实际应用中却缺乏自学习或自调整的能力。尽管神经网络是一类黑箱式的非线性映射，但它具有良好的自学习能力。将二者有机结合起来，取长补短，可以提高整个系统的学习能力和表达能力。目前这个方向的研究正方兴未艾。 本文首先对模糊控制、神经网络及模糊神经网络的发展、背景和原理等进行了综述。针对化纤工艺侧吹风的温、湿度控制系统生产过程的非线性特点，本文提出了一种新型的模糊神经网络控制策略FNNC，其基于联接机制，应用多层前馈网络构造模糊变量隶属函数和模糊推理控制模型，使神经网络不再表现为黑箱式映射，其所有节点和参数都具有模糊系统等价意义。FNNC采用了自组织学习和监督学习相结合的新型学习算法，该算法可根据领域专家的经验知识确定初始隶属函数和发现规则的存在，并可优化调整隶属函数，获得理想输出。本文利用该控制策略进行了仿真研究。结果表明，该控制策略可以使送风状态长期稳定的维持在要求的温、湿度参数上，几乎不会受到外界气象参数变化的影响。 本文的另一项重要工作，是针对工艺性空气调节过程中温、湿度多变量的非线性控制特征，设计开发了一类智能空调控制系统，包括有硬件选型、设计、工艺结构设计、软件设计等，文中给出了相应的设计电路、程序框图、电路板等结构图。系统实验证明该系统达到了设计要求。
郭晋[9]（2001）在《基于CAN现场总线的分布式控制系统设计》文中进行了进一步梳理现场总线是连接智能现场设备和自动化系统的数字式、双向传输、多分支结构的通信网络。它是计算机技术、通信技术和控制技术高度综合与集成的产物，是一种开放式和分布式的新模式。现场总线是当今自动化领域技术发展的热点之一。 CAN（控制器局域网）属于现场总线的范畴，是一种有效支持分布式控制和实时控制的串行通信网络。 智能控制是控制理论和技术发展的高级阶段，是一个新兴的并正在迅速发展的领域。它主要用来解决那些用传统方法难以解决的复杂系统的控制问题 本文采用CAN现场总线技术，设计开发了一种分布式控制系统。系统中采用了计算机、控制、通信、网络和电路设计等多领域的较先进的技术，使系统具有较完备的控制功能和丰富的监测功能，具有智能的控制算法、稳定的性能、友好的界面和优良的性能价格比。该控制系统在空调和消防报警等系统的控制和监测中得到广泛应用，并取得了良好的效果。 本文第一章介绍了现场总线、CAN总线和智能控制的概念和特点。 第二章介绍了基于CAN现场总线的分布式控制系统的设计，主要包括硬件的设计与通信程序的设计。 第三章介绍了基于CAN现场总线的上位机监控软件的设计，包括火灾自动报警系统上位机监测系统软件的设计、基于通用组态软件的二次开发和通用组态软件的设计规划。突出了其中应用的面向对象、组态、超图像和远程通讯等方法。 第四章介绍了课题初期开发设计的智能空调控制系统。包括系统的设计与实现、控制方案——具有自适应和自调整功能的多模态控制算法，仿真比较研究和软件设计。 最后对本文的工作进行了总结，对系统的完善与相关理论和技术的发展进行了展望。
二、基于神经网络的侧吹风空调工况自动转换（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于神经网络的侧吹风空调工况自动转换（论文提纲范文）
（1）废旧纺织服装回收及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究内容与意义 |
| 1.3 废旧纺织服装国内外相关研究现状 |
| 1.4 研究方法与技术路线 |
| 第二章 废旧纺织服装回收再利用调查与分析 |
| 2.1 调查背景介绍 |
| 2.2 废旧纺织服装回收作业现状 |
| 2.3 废旧纺织服装再加工现状 |
| 2.4 回收再加工卫生安全控制 |
| 2.5 调研结论 |
| 第三章 废旧纺织服装回收处理体系的建立 |
| 3.1 废旧纺织服装的来源 |
| 3.2 废旧纺织服装的回收处理级别判定 |
| 3.3 回收分类体系的建立 |
| 3.4 回收分类体系的实践 |
| 第四章 废旧纺织服装回收作业的规范性示范 |
| 4.1 废旧纺织服装回收作业存在的问题 |
| 4.2 废旧纺织服装回收作业规范 |
| 第五章 再生纺织品性能评估 |
| 5.1 实验试样选择 |
| 5.2 循环再用纤维性能对比评估 |
| 5.3 再生毛纺织品性能对比评估 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 附录 |
| 附录1 废旧纺织服装企业调研问卷 |
| 附录2 循环再用毛纤维测试纤维直径分布数据 |
| 附录3 毛纤维纤维长度测试数据 |
| 附录4 毛纤维单纤维强度测试数据 |
| 附录5 再生纺织品实验试样基本织物信息 |
| 附录6 织物性能对比测试实验数据 |
| 攻读学位期间的研究成果目录 |
| 致谢 |
（2）基于递阶结构的变风量空调系统故障检测与诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 变风量空调系统及其故障 |
| 1.1.1 变风量空调系统简介 |
| 1.1.2 VAV系统故障及其后果 |
| 1.2 故障检测与诊断研究 |
| 1.2.1 故障检测与诊断基本概念 |
| 1.2.2 故障检测与诊断方法 |
| 1.2.3 空调系统FDD研究状况 |
| 1.3 本课题研究目的和意义 |
| 1.4 本文的主要研究内容与创新 |
| 1.4.1 主要研究内容 |
| 1.4.2 主要创新点 |
| 1.5 本章小结 |
| 第2章 递阶结构FDD概要及实验系统简介 |
| 2.1 VAV 系统FDD 整体方案 |
| 2.2 系统级故障检测 |
| 2.3 单元级故障诊断 |
| 2.4 元件级故障诊断 |
| 2.5 VAV 实验系统简介 |
| 2.6 本章小结 |
| 第3章 系统级故障检测 |
| 3.1 模糊神经网络 |
| 3.1.1 人工神经网络 |
| 3.1.2 模糊逻辑 |
| 3.1.3 基于Mandani推理的模糊神经网络 |
| 3.1.4 基于 Takagi 推理的模糊神经网络 |
| 3.1.5 模糊神经网络的实现 |
| 3.2 系统级FNN模型建立 |
| 3.2.1 模型输入输出变量选择 |
| 3.2.2 数据获取 |
| 3.2.3 模型训练和测试 |
| 3.3 系统级故障检测与分析 |
| 3.3.1 基于能耗残差 |
| 3.3.2 基于残差统计量 |
| 3.4 本章小结 |
| 第4章 单元级故障诊断 |
| 4.1 基于控制回路的故障诊断方法 |
| 4.1.1 故障检测与诊断基本原理和过程 |
| 4.1.2 VAV 系统故障诊断单元 |
| 4.2 遗传算法辨识ARMAX 模型 |
| 4.2.1 ARX 和 ARMAX 模型 |
| 4.2.2 遗传算法简介 |
| 4.2.3 ARMAX 模型辨识 |
| 4.2.4 MATLAB 实现 |
| 4.3 控制量预测模型建立 |
| 4.3.1 输出输入变量确定 |
| 4.3.2 数据获取与处理 |
| 4.3.3 模型辨识 |
| 4.3.4 模型检验 |
| 4.4 故障检测与诊断 |
| 4.4.1 房间温度（被控量）变化分析 |
| 4.4.2 风门控制信号（控制量）变化分析 |
| 4.5 本章小结 |
| 第5章 元件级故障诊断 |
| 5.1 模式匹配故障诊断方法 |
| 5.2 仿真模型建立 |
| 5.2.1 基于物理机理建模 |
| 5.2.2 仿真模型实现 |
| 5.3 故障定性模式获取 |
| 5.3.1 送风温度传感器测量值偏大（故障 A1） |
| 5.3.2 送风温度传感器测量值偏小（故障 A2） |
| 5.3.3 冷水调节阀卡涩且开度偏大(故障 B1) |
| 5.3.4 冷水调节阀卡涩且开度偏小(故障 B2) |
| 5.3.5 冷却盘管入口管道水泄漏（故障 D） |
| 5.3.6 冷水泵完全损坏(故障 E) |
| 5.4 故障诊断 |
| 5.4.1 运行条件和数据 |
| 5.4.2 定性模式匹配 |
| 5.4.3 定量模式匹配 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录 A 攻读博士学位期间发表的论文 |
| 致谢 |
（3）润滑油温模糊控制系统及其实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 国内外温度控制系统的发展概况 |
| 1.2.1 国内温度控制系统的发展概况 |
| 1.2.2 国外温度控制系统的发展情况 |
| 1.3 本论文研究的主要内容 |
| 1.3.1 主要目标 |
| 1.3.2 主要研究内容 |
| 第二章 控制系统的总体结构简介 |
| 2.1 稀油润滑系统生产工艺要求 |
| 2.2 稀油温度控制系统整体设计方案 |
| 2.2.1 稀油温控系统方案 |
| 2.2.2 温控系统常用的控制方法 |
| 2.2.3 本稀油温度控制系统所用的控制策略 |
| 2.2.4 冷却装置的计算 |
| 2.2.5 加热装置的计算 |
| 2.3 WinCC组态软件简介 |
| 2.3.1 WinCC主要性能特点 |
| 2.3.2 WinCC系统的构成 |
| 第三章 模糊控制理论及模糊控制器的设计 |
| 3.1 引言 |
| 3.2 模糊控制理论及数学实现 |
| 3.2.1 模糊逻辑控制理论的产生和发展 |
| 3.2.2 模糊控制的原理及控制规则 |
| 3.3 模糊控制器的基本结构和组成 |
| 3.3.1 模糊控制器的基本结构 |
| 3.3.2 模糊控制器的组成部分 |
| 3.4 模糊控制器的设计 |
| 3.5 参数自整定模糊PID温度控制器 |
| 3.5.1 常规的PID控制器 |
| 3.5.2 参数自整定模糊PID温度控制系统的结构 |
| 3.5.3 PID参数自整定模糊调节器的设计 |
| 第四章 模糊控制器的设计与温控系统仿真 |
| 4.1 模糊控制器的结构设计 |
| 4.1.1 确定模糊控制器的模糊变量 |
| 4.1.2 精确量的模糊化 |
| 4.1.3 模糊控制规则表 |
| 4.1.4 模糊控制器查询表的建立 |
| 4.2 基于MATLAB的稀油温度控制系统仿真 |
| 4.2.1 被控对象特性测量与模型的建立 |
| 4.2.2 用模糊逻辑工具箱设计模糊控制器 |
| 4.2.3 稀油温度模糊控制仿真系统建模 |
| 4.2.4 系统仿真 |
| 4.2.5 改善模糊控制系统稳态性能的方法研究 |
| 第五章 温度控制系统的实现 |
| 5.1 温度控制系统硬件配置 |
| 5.1.1 系统硬件配置 |
| 5.1.2 硬件系统说明 |
| 5.2 温度控制系统软件设计 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）油源恒温模糊控制系统及其实现（论文提纲范文）
| 学位论文原创性声明及版权使用授权书 |
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 本论文研究的主要内容 |
| 1.3 液压系统发热原因及影响 |
| 1.4 液压测控技术发展现状 |
| 1.5 国内外温度控制系统的发展概况 |
| 1.5.1 国内温度控制系统的发展概况 |
| 1.5.2 国外温度控制系统的发展情况 |
| 1.6 本章小结 |
| 第2章 冷却风扇泵-马达试验台油源系统整体概况 |
| 2.1 冷却风扇泵-马达试验台概述 |
| 2.1.1 实验台组成及各部分功能 |
| 2.1.2 实验台主要参数 |
| 2.2 温控要求及分析 |
| 2.3 油源温控系统整体方案设计 |
| 2.4 油源温控系统液压方案选择 |
| 2.4.1 吸油管路油温调节 |
| 2.4.2 回油管路及油箱油温调节 |
| 2.5 油源温控控制算法的选择 |
| 2.5.1 温控系统常用的控制方法 |
| 2.5.2 本油温系统所用的控制策略 |
| 2.6 冷却装置的设计 |
| 2.6.1 发热量估算 |
| 2.6.2 冷却器的设计 |
| 2.7 加热装置的设计 |
| 2.8 本章小结 |
| 第3章 基于DSP的油源恒温控制系统硬件实现 |
| 3.1 引言 |
| 3.2 器件的选用 |
| 3.2.1 DSP芯片的结构特点及设计过程 |
| 3.2.2 TMS320LF2407A简介 |
| 3.2.3 A/D芯片的介绍 |
| 3.3 DSP应用系统设计 |
| 3.3.1 电源模块 |
| 3.3.2 复位电路 |
| 3.3.3 晶体振荡器电路 |
| 3.3.4 外部总线扩展接口 |
| 3.3.5 JTAG接口 |
| 3.3.6 外部存储器扩展模块 |
| 3.3.7 模拟信号采集部分硬件设计 |
| 3.3.8 异步串行接口(SCI)模块 |
| 3.3.9 模拟量输出模块设计 |
| 3.4 测温装置的设计 |
| 3.5 本章小结 |
| 第4章 油源恒温模糊控制器的结构设计 |
| 4.1 引言 |
| 4.2 油源恒温模糊控制系统的基本结构 |
| 4.3 模糊控制理论及数学实现 |
| 4.3.1 模糊集合及其隶属度函数 |
| 4.3.2 模糊关系和模糊运算 |
| 4.4 常规模糊温度控制器的设计 |
| 4.4.1 输入输出变量的选择 |
| 4.4.2 精确量的模糊化方法 |
| 4.4.3 模糊控制规则的设计 |
| 4.4.4 模糊推理及模糊量的清晰化 |
| 4.4.5 模糊温度控制器的软件设计 |
| 4.4.6 关于提高常规模糊控制性能的讨论 |
| 4.5 参数自整定模糊PID温度控制器的设计 |
| 4.5.1 常规的PID控制器 |
| 4.5.2 参数自整定模糊PID温度控制系统的结构 |
| 4.5.3 PID参数自整定模糊调节器的设计 |
| 4.6 带有自调整因子的模糊温度控制器 |
| 4.7 本章小结 |
| 第5章 油源恒温控制系统的建模与仿真 |
| 5.1 仿真程序的编写 |
| 5.1.1 系统输出控制量温度T的求取 |
| 5.1.2 模糊控制器的实现 |
| 5.1.3 滞后的处理 |
| 5.2 模糊PID控制器和传统PID控制器阶跃响应曲线比较 |
| 5.2.1 系统迟延不同时控制性能仿真比较 |
| 5.2.2 系统温升不同时控制性能仿真比较 |
| 5.2.3 有外界干扰时控制性能仿真比较 |
| 5.3 量化因子和比例因子对模糊控制系统性能的仿真分析 |
| 5.4 带有自调整因子的模糊控制器仿真 |
| 5.5 本章小结 |
| 总结 |
| 参考文献 |
| 附录A 攻读硕士学位期间发表的论文目录 |
| 附录B TMS320LF2407A的引脚布置 |
| 附录C TMS320LF2407A的功能结构 |
| 附录D Matlab程序实现对温控系统的设计和仿真 |
| 致谢 |
（6）基于神经网络的中央空调控制系统的建模与仿真（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 空调技术的研究内容与现状 |
| 1.2 空调技术所面临的问题 |
| 1.3 人工神经网络在空调系统中的应用 |
| 1.3.1 预测负荷 |
| 1.3.2 建筑物能量分析、管理与控制系统 |
| 1.3.3 故障诊断 |
| 1.3.4 系统辨识与控制 |
| 1.3.5 其它应用 |
| 1.4 本文研究的主要内容 |
| 第二章 空调系统工况转换的神经网络模型 |
| 2.1 中央空调温湿度控制的基本方法 |
| 2.2 中央空调自动控制系统 |
| 2.3 全年运行工况自动转换的神经网络实现 |
| 2.3.1 BP神经网络 |
| 2.3.2 RBF神经网络 |
| 2.3.3 采用matlab命令构造BP神经网络 |
| 2.3.4 采用GUI建立神经网络 |
| 2.3.5 工况转换的SIMULINK实现 |
| 2.4 仿真 |
| 2.5 小结 |
| 第三章 空调时滞对象的神经网络辨识 |
| 3.1 神经网络辨识方法 |
| 3.2 神经网络对空调滞后对象的辨识 |
| 3.2.1 利用MATLAB系统辨识工具箱对系统的辨识 |
| 3.2.2 一阶惯性加纯滞后对象的神经网络辨识方法 |
| 3.2.3 利用神经网络对非线性时滞系统的辨识 |
| 3.3 空调系统二次加热过程辨识实例 |
| 3.3.1 数据的采集和处理 |
| 3.3.2 神经网络的建立和训练 |
| 3.3.3 对象参数的确定 |
| 3.4 小结 |
| 第四章 空调系统的神经网络预测控制 |
| 4.1 模型预测控制原理和算法 |
| 4.1.1 原理 |
| 4.1.2 模型预测控制算法 |
| 4.2.神经网络预测控制 |
| 4.3 空调神经网络预测控制仿真实例 |
| 4.4 小结 |
| 第五章 基于神经网络的空调系统全年运行调节仿真 |
| 5.1 设备运行容量计算模型的建立 |
| 5.2 空调房间热特性m文件的编制和模型的建立 |
| 5.3 建立房间相对湿度显示的神经网络模型 |
| 5.4 系统连接和简化 |
| 5.5 仿真和结果分析 |
| 5.6 小结 |
| 第六章 结束语 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（7）侧吹风空调系统的仿真及故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 综述 |
| 1.1 侧吹风空调概述 |
| 1.1.1 合成纤维生产工艺及其空调系统概述 |
| 1.1.2 侧吹风空调系统及其控制方式 |
| 1.1.3 某侧吹风空调系统简介 |
| 1.2 侧吹风空调目前存在的主要问题 |
| 1.3 故障诊断研究综述 |
| 1.3.1 动态系统故障诊断的研究现状及意义 |
| 1.3.2 FDD方法的分类 |
| 1.3.3 几种主要的FDD方法及其在HVAC系统中的应用 |
| 1.3.4 国内HVAC领域FDD技术的研究与应用进展 |
| 1.4 本文的研究内容与技术路线 |
| 1.5 本章小结 |
| 第2章 送风温度控制子系统的数学模型 |
| 2.1 对象简化及假设 |
| 2.1.1 研究对象 |
| 2.1.2 假设条件 |
| 2.2 表冷器模型 |
| 2.3 混合箱模型 |
| 2.4 过程集成模型 |
| 第3章 露点温度控制系统的仿真 |
| 3.1 仿真对象 |
| 3.2 仿真目的与模型 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第4章 基于参数估计法的侧吹风空调FDD模型的辨识及诊断模型 |
| 4.1 故障检测与诊断的原理 |
| 4.2 系统辨识简介 |
| 4.3 过程模型的辨识 |
| 4.3.1 观测数据的获取及预处理 |
| 4.3.2 模型可辨识性的处理 |
| 4.3.3 模型参数的辨识原理及实时辨识 |
| 4.3.4 模型类的选择 |
| 4.3.5 模型结构的辨识——阶和时延的检验 |
| 4.3.6 模型辨识的MATLAB实现 |
| 4.4 本章小结 |
| 第5章 侧吹风空调系统故障的辨识研究与诊断 |
| 5.1 常见故障的描述与变量残差的定义 |
| 5.1.1 侧吹风空调系统常见故障 |
| 5.1.2 几种故障检测用残差的定义 |
| 5.2 温度计故障的辨识研究 |
| 5.2.1 故障状况的系统仿真及辨识 |
| 5.2.2 结果分析与讨论 |
| 第6章 结论 |
| 6.1 主要结论 |
| 6.2 创新点与不足 |
| 参考文献 |
| 附录一：侧吹风空调系统带控制点流程图 |
| 附录二：攻读硕士学位期间公开发表的学术论文 |
| 致谢 |
（8）模糊神经网络技术及其在过程控制中的应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 一、 引言 |
| 二、 模糊控制的发展和背景 |
| 三、 神经网络的发展及背景 |
| 四、 模糊神经网络的发展 |
| 五、 论文的主要工作及内容安排 |
| 第二章 模糊神经网络的结构、学习算法及其在过程控制中的应用 |
| 一、 引言 |
| 二、 神经元网络的基本原理和结构 |
| 1、 人工神经元模型 |
| 2、 人工神经网络 |
| 三、 模糊控制机理 |
| 四、 模糊神经网络的原理及结构 |
| 五、 模糊神经网络控制器的结构及算法 |
| 1、 模糊神经网络控制器FNNC的结构 |
| 2、 FNNC的学习算法 |
| 六、 仿真研究 |
| 第三章 智能空调控制系统设计 |
| 一、 课题简介 |
| 1、 课题来源 |
| 2、 课题研究意义 |
| 3、 主要技术指标 |
| 4、 课题研究内容 |
| 二、 智能空调控制系统方案论证 |
| 1、 空调系统概述 |
| 2、 工艺性中央空调控制系统的工艺特征 |
| 3、 工艺性空调系统温、湿度调节机理 |
| 4、 工艺性空调系统温、湿度控制方案 |
| 5、 舒适性空调系统控制方案 |
| 三、 智能空调控制系统的硬件设计 |
| 1、 智能空调控制器HXM2000硬件设计 |
| 2、 智能空调控制器的改型设计 |
| 3、 智能网络转接器HWC的硬件设计 |
| 四、 智能空调控制系统的软件设计 |
| 1、 软件模块划分 |
| 2、 基本程序设计 |
| 五、 智能空调控制系统的工程设计及系统实验 |
| 第四章 工作总结及展望 |
| 一、 工作总结 |
| 二、 展望 |
| 1、 模糊神经网络的发展方向 |
| 2、 智能空调控制系统的发展方向 |
| 参考文献 |
| 致谢 |
| 附录 一、 发表论文 |
| 二、 应用证明 |
| 三、 湿空气的物理性质表 |
| 四、 智能空调控制系统附图 |
| 五、 软件程序 |
（9）基于CAN现场总线的分布式控制系统设计（论文提纲范文）
| 摘要（中、英文） |
| 目录 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 现场总线 |
| 1.2.1 现场总线的概念 |
| 1.2.2 现场总线的产生与发展 |
| 1.2.3 现场总线的结构模型 |
| 1.2.4 现场总线的特点与优点 |
| 1.2.5 现场总线的主要类型 |
| 1.3 CAN总线 |
| 1.3.1 CAN的主要特性 |
| 1.3.2 CAN的一些基本概念 |
| 1.3.3 CAN的分层结构 |
| 1.4 智能控制 |
| 1.4.1 智能控制的产生与发展 |
| 1.4.2 智能控制的概念 |
| 1.4.3 智能控制系统的特点和功能 |
| 1.4.4 智能控制系统的类型 |
| 1.4.5 常用的智能控制技术 |
| 1.5 论文主要工作及内容安排 |
| 第二章 基于CAN现场总线的分布式控制系统设计 |
| 2.1 系统总体结构 |
| 2.2 系统主要功能和特点 |
| 2.3 通用CAN控制器的设计 |
| 2.3.1 通用CAN控制器的硬件设计 |
| 2.3.2 通用CAN控制器的主板设计 |
| 2.3.3 通用CAN控制器的输入/输出接口板设计 |
| 2.4 CAN操作和显示控制器的设计 |
| 2.4.1 CAN操作和显示控制器的硬件设计 |
| 2.4.2 CAN操作和显示控制器的主板设计 |
| 2.5 系统的软件设计 |
| 2.5.1 上位机的CAN通信程序设计 |
| 2.5.2 下位机的CAN通信程序设计 |
| 第三章 基于CAN现场总线的分布式控制系统的上位机监控软件的设计与实现 |
| 3.1 设计思想 |
| 3.1.1 基本设计思想 |
| 3.1.2 相关的基本概念 |
| 3.1.3 软件设计的实施 |
| 3.2 火灾自动报警系统上位机监控系统软件的设计与实现 |
| 3.2.1 火灾自动报警系统的结构 |
| 3.2.2 火灾自动报警系统上位机监控系统软件的设计思想、功能与特点和结构 |
| 3.2.3 火灾自动报警系统上位机监控系统软件的实现 |
| 3.3 基于组态软件的二次开发 |
| 3.3.1 组态软件的系统构成 |
| 3.3.2 组态软件的功能和特点 |
| 3.3.3 组态软件的工作方式 |
| 3.3.4 组态软件的工程应用 |
| 3.4 通用组态软件的设计规划 |
| 第四章 智能空调控制系统的设计与实现 |
| 4.1 项目来源、研究意义及内容 |
| 4.1.1 项目来源 |
| 4.1.2 项目研究意义 |
| 4.1.3 项目研究内容 |
| 4.2 空调系统的基本概念 |
| 4.2.1 空气调节的基本任务 |
| 4.2.2 空调的基本分类 |
| 4.2.3 与空气调节相关的一些基本知识 |
| 4.3 智能空调控制系统的硬件设计 |
| 4.3.1 智能空调控制系统的总体结构 |
| 4.3.2 智能空调控制器主板的硬件设计 |
| 4.4 智能空调控制系统的控制方案 |
| 4.4.1 空调控制系统的工艺特性 |
| 4.4.2 空调控制系统的控制方案 |
| 4.5 智能空调控制系统的控制算法 |
| 4.5.1 模糊控制 |
| 4.5.2 控制算法 |
| 4.6 智能空调控制系统的软件设计 |
| 4.6.1 智能空调控制器的软件组成 |
| 4.6.2 智能空调控制器的软件功能和特点 |
| 4.6.3 智能空调控制器的软件流程 |
| 4.6.4 智能空调控制器的控制算法程序设计 |
| 第五章 工作总结与展望 |
| 5.1 工作总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录A： 硕士研究生学习期间发表的论文（三篇）。 |
| 附录B： 所设计电路的原理图和PCB图。 |
四、基于神经网络的侧吹风空调工况自动转换（论文参考文献）
- [1]废旧纺织服装回收及应用研究[D]. 王红. 东华大学, 2013(06)
- [2]基于递阶结构的变风量空调系统故障检测与诊断研究[D]. 黄永红. 湖南大学, 2007(12)
- [3]润滑油温模糊控制系统及其实现[D]. 赵金明. 太原理工大学, 2007(04)
- [4]油源恒温模糊控制系统及其实现[D]. 胡爱兰. 湖南大学, 2006(11)
- [5]基于神经网络的侧吹风空调工况自动转换[J]. 闵剑青,徐梓斌. 西安工程科技学院学报, 2003(04)
- [6]基于神经网络的中央空调控制系统的建模与仿真[D]. 闵剑青. 浙江工业大学, 2005(06)
- [7]侧吹风空调系统的仿真及故障诊断研究[D]. 易金萍. 中南大学, 2002(06)
- [8]模糊神经网络技术及其在过程控制中的应用[D]. 黄显明. 北京工业大学, 2001(01)
- [9]基于CAN现场总线的分布式控制系统设计[D]. 郭晋. 北京工业大学, 2001(01)