一、智能建筑空调系统的前馈控制(论文文献综述)
郭兆明[1](2020)在《基于嵌入式的VRV中央空调智能控制器设计》文中研究表明VRV(Variable Refrigerant Volume)中央空调广泛应用在别墅、商场和小型办公楼等场所,这种一拖多空调通过制冷剂管把各个房间的蒸发器连接在一起,当房间负荷改变时,直接影响到其它房间蒸发器出口过热度的稳定特性。另一方面,VRV中央空调系统的蒸发器过热度是影响空调能效比和安全运行的最关键因素之一,因此,研究实现各房间蒸发器过热度的精准控制具有重要意义。为此本文作了如下的工作:首先,分析了VRV中央空调系统的工作原理及重要热交换环节的电子膨胀阀和蒸发器的工作特性,建立了电子膨胀阀和蒸发器过热度的数学模型,针对电子膨胀阀控制蒸发器过热度具有非线性、不确定性和时变性、强耦合的特点,本文设计了带有前馈补偿的模糊PID控制器,以过热度的偏差及其变化率作为输入,通过模糊推理在线整定的PID控制器参数,解决蒸发器过热度控制的不确定性、非线性和时变性问题,实现了对本房间过热度的精准控制;其次,针对不同房间负荷变化产生相互影响的耦合现象,将本房间以外的制冷剂总流量的变化及其变化率作为输入,设计了基于模糊控制的前馈补偿器,修正电子膨胀阀开度。该方法可以有效减小其他房间负荷和工况变化对本房间的干扰,实现了在其他房间负荷变化的情况下,本房间的过热度快速稳定在预定值不受影响。此外,本文还解决了一拖多VRV中央空调系统不同房间相互耦合,难以快速、精准控制的问题;然后,对所设计的控制方法进行仿真验证,模拟了多种VRV中央空调系统在不同房间的工况和负荷改变时的仿真实验,结果表明过热度控制方法可行、有效,可以针对存在耦合的房间进行精准的过热度调节。最后,在此基础上将控制方法工程化实现,设计了基于STM32的VRV中央空调系统过热度控制器,完成了硬件电路及PCB板设计,开发了过热度模糊PID控制器和模糊前馈补偿软件,在实验室VRV实验平台上进行了部分实验。实验结果表明基于STM32的VRV中央空调系统过热度控制器运行稳定,控制算法达到了预期效果,实现了复杂干扰和耦合情况下的房间过热度精确控制,可满足VRV中央空调实际控制需求,有效地保障了中央空调系统的工作效率。
陆诗莹[2](2020)在《基于自抗扰迭代学习控制的中央空调控制策略研究》文中研究指明中央空调系统在我国应用广泛,其能耗在大型建筑总能耗中占比高达50%,对中央空调系统的节能控制研究具有重要意义。中央空调系统是一个复杂的空气温湿度处理系统,系统设备繁多,结构复杂,运行方式多样化。从控制的角度看,中央空调系统是一个高度非线性、强耦合、大滞后、多扰动的复杂控制系统。本文综合考虑中央空调各个子系统控制环节,研究了中央空调节能优化控制策略,包括设备群控,水系统的冷冻(却)水温度设定,冷冻(却)水变流量控制以及变风量末端系统的控制。为克服中央空调系统建模困难、控制环节繁多且复杂的问题,通过TRNSYS平台建立准确的建筑-空调模型,并建立TRNSYS-MATLAB联合仿真系统,便于研究先进控制算法的控制效果。首先深入研究了自抗扰迭代学习控制(ADR-ILC)算法,ADR-ILC将时域扩张状态观测器(ESO)推广到迭代域,结合ADRC将系统所有不确定性归为总扰动(包括系统内扰和外扰)并予以补偿的控制思想,针对重复控制过程和周期性扰动,通过迭代机制加快对总扰动项估计误差的收敛,并设计控制率补偿抵消总扰动项,使系统获得更佳的动态响应性能和更强的抗干扰能力。然后针对空调负荷的时间连续变化规律,利用ADR-ILC算法对系统总扰动项的显式估计对线性回归预测值进行修正,经过修正的空调负荷需求预测值精度高达3.1%。在高精度负荷预测值基础上,进行空调群控、参数优化、系统节能控制,空调水系统整体节能率高达12.7%。接着将ADR-ILC应用于末端温度控制,对于这一重复控制过程,ADR-ILC算法有效解决了末端变风量系统的多扰动(尤其是周期性干扰)、强耦合、非线性等控制难点。经过多次迭代,ADR-ILC控制下区域温度能迅速跟踪目标温度,静态误差较小,抗扰能力强,其控制效果明显优于模糊PID、迭代学习、自抗扰等其他几种控制算法。最后,针对广州某工厂的生产车间设计了一套中央空调智能管理系统,通过系统群控、冷冻(却)水变流量控制、冷冻(却)水温度重设等控制环节保证系统节能高效运行。
童文霞[3](2020)在《粤港澳大湾区背景下A建筑设计院竞争战略研究》文中研究说明随着粤港澳大湾区发展规划纲要的推进,广州加快推进粤港澳大湾区建设“施工图”“进度表”的落地,加快基础设施互联互通新突破、增强珠三角综合经济和交通枢纽的功能和推动珠三角民生文化福祉新改善、建设宜居宜业宜游的优质区域经济生活圈成为聚力需要突破的点。珠三角的巨大基础配套设施的建设与重大项目投资的需求和发展规模在未来十年内将大幅增加,基建市场规模也会快速扩大,无限的商机将会促使更多的中国建筑企业走进湾区,参与市场竞争,承包工程业务。作为地处粤港澳大湾区的A建筑设计院,不仅面临更多的市场发展与机会,同时也急需积极应对更多的市场竞争与发展挑战,A建筑设计院自身更需要进一步提升竞争力去积极适应市场经济发展条件下的开放性市场竞争,顺应时势,勇立发展潮头,在努力打造成为世界一流的国际化湾区和世界级国际化城市群的竞争中脱颖而出。本文拟以A建筑设计院为研究对象,结合战略管理分析方法“PEST”、“五力模型”、“SWOT”分析法等,系统剖析A建筑设计院的经营现状。以A建筑设计院竞争战略目标为指向,掌握企业发展定位,将重点放到粤港澳大湾区项目上,同时根据不同地市属性,有针对性的抢占市场份额,实施目标集聚竞争战略。在人力、文化、信息、绩效四个方面保障企业的竞争战略的实施,从防患于未然,做好企业的前馈战略控制,实时跟踪,做好实际的控制,及时的分析总结,做好反馈控制等三个方面做好竞争战略控制。确保企业在广州市场业务保持稳步增长的巨大背景情况下,更大范围的发展拓展粤港澳大湾区片区业务。为实现粤港澳大湾区建筑设计“多元主导”,城市建筑、轨道交通、城乡规划、施工图审查等业务“多元协同”,将A建筑设计院打造成大湾区建筑设计领域内最具国际影响力的大型现代化企业的竞争战略目标。本文创新之处在于以粤港澳大湾区为背景,研究设计院竞争战略,目前大部分研究集中在宏观视角的国内外湾区经济的对比,中观区域和微观企业层面的研究为数不多。
李晓妮[4](2020)在《变风量空调系统在大型公共建筑中的应用》文中进行了进一步梳理随着世界化工业进程的不断加剧,技术水平和人民生活质量的不断提高,对能源的需求也不断增长,能源短缺已经成为制约国民经济发展的重要因素。在我国,建筑能源消耗是同等条件下发达国家的2-3倍,其中,空调系统的能耗已占建筑用电能耗的70%,因此对空调节能技术的研究具有重要实践价值。本文以VAV系统的控制为切入点,并结合深圳某国际中心项目的实例,建立空调系统的数字化模型,分析VAV控制各控制方案,以及阐述VAV系统调试方法、项目后期的运营管理等在工程中成功应用。首先,分析了VAV系统的对比原始空调系统的优缺点以及推广原因,分析系统各环节的工作原理、特点,通过数字的方式建立其数字化模型。为后续分析和控制系统提供理论依据,为全论文的基础环节。其次,以深圳某国际商业中心项目为研究背景,逐步展开,从分析变风量空调系统控制方案入手,根据方案提出定静压与变静压结合的再静压重设的控制方案,从而克服了定静压系统的控制不能最佳匹配,以及变静压系统的不易控制等缺点,同时也可做到优化整个弱电控制系统,优化了系统动态和静态的性能指标,优化指标。通过软件仿真模拟控制方式,建立控制模块和空调房间模块,在仿真时对房间室内温度、送风量控制比较,选出更适用于本文中的背景项目的控制方式。另外,再次以项目为研究背景,详细阐述了变风量系统的调试方法,主要包括VAVBOX空调器单机调试、系统风量平衡调试、系统自控调试等,同时分析在调试过程中出现的问题,提出解决办法,具有一定的现实指导意义。最后,阐述了主要包含节能运行、安全运行、系统维修的运行管理内容。
单宇[5](2019)在《基于模型预测控制的区域能源系统调控模型研究》文中指出区域能源系统由于规模较大,普遍存在大滞后性、不确定性、控制精度不高等特点,因此常规的基于反馈的调控策略不仅造成系统供能与需求负荷在时间序列上不匹配,而且会造成能源系统较高的能耗浪费。模型预测控制策略由于其预测控制、滚动优化、反馈校正等特点,能够很好解决系统控制精度不高、控制参数不稳定的问题。因此本文提出基于模型预测控制的区域能源系统调控模型,对于降低区域能源系统能耗,保证控制参数输出的稳定性、克服能源系统调控过程中存在的大滞后性的问题具有十分重要的意义。本文以天津大学区域能源系统为研究对象,通过TRNSYS和MATLAB联合运行的方法建立能源系统模型预测控制调控模型,对能源系统运行优化策略进行仿真研究。以系统能耗最低为优化目标,在建筑负荷等输入信号及相应的约束条件下,利用遗传算法对能源系统出水温度和出水流量两个控制参数进行寻优,最后将得到的两个最优的控制参数作为设定值返回给数学模型不断进行滚动优化和反馈校正以实现预测控制,保证控制参数输出的稳定的同时减少了控制过程中时间延迟及超调量。考虑到能源系统存在服务建筑较多、负荷值较大、建筑负荷不确定性等特点,故使用预测负荷代替模拟建筑负荷来对能源系统进行输入控制从前端解决能源系统控制中的时间延迟和负荷不匹配等问题。另外,能源系统的介质需通过区域管网传输给各建筑,流动过程中会产生巨大的时间延迟。本文通过CFD模拟计算的方法确定各建筑由于介质传输造成的流动时间延迟,并将该延迟时间加载到建立的调控模型时间延迟模块中,完成对预测负荷的前馈输入,从另一方面克服流动时间延迟对能源系统控制的影响。TRNSYS模拟仿真平台可实现对所提出的模型预测控制策略的验证。在模型预测控制策略下分别对夏季供冷和冬季供热两种运行工况的系统能耗进行模拟计算,结果表明模型预测控制策略相比于实际控制策略不仅可以提高负荷在时间序列上的匹配,还可以降低系统的能耗,夏季和冬季可分别将能耗降低9.56%和7.75%;相比于所提出的对比工况——负荷前馈模糊控制策略,在夏季和冬季节能率上也分别提高了5%和2.5%。
张晨[6](2019)在《基于图像处理的空调房间人数检测与温度控制应用研究》文中研究指明空调的主要作用是对室内温度进行调节,满足人对室内热环境的需求。公共建筑中,当空调房间人数变化较大时,由于空气热惯性的影响,室内温度并不会立刻发生变化而是需经过一段时间的延迟后,室内温度才会升高或下降,此时,空调控制系统根据传感器反馈的参数进行自动调节,实现对室内温度的控制。但整个控制过程由于空气热惯性及系统固有的滞后性,造成了系统对温度控制的滞后,致使室内人员感到不舒适或产生能源浪费等问题。本文提出基于图像处理技术的变风量空调系统室内温度控制方法。研究旨在通过对室内人脸的检测,统计出当前的室内人数,快速确定室内空调负荷变化量,实现对室内温度的及时跟踪调控,改善系统因室内人数变化较大而出现的调温滞后问题。主要研究工作如下:1)利用图像处理技术对室内人员的人脸进行检测,确定当前室内人数。针对传统型Adaboost算法检测率较低的问题,提出一种融合扩展型Haar特征和改进型Adaboost算法的新型人脸检测方法—DM-Adaboost,并针对本研究环境制作符合研究需求的样本库。实验结果表明使用DM-Adaboost对室内人脸的检测效果比传统型Adaboost、SVM均有一定程度的提高。2)提出了基于图像处理的末端风量控制策略和变静压控制策略,并将其与传统末端控制方法融合,形成了基于图像处理的联合变静压—末端风量前馈控制方法。对基于图像处理的压力无关型末端风量控制系统进行了仿真研究,结果表明,该方法可有效改善房间调温滞后问题。3)完成了人数检测模块、人员负荷计算模块、TSAV末端送风量模块、VSP变静压模块及基于图像处理的变静压—末端风量前馈联合控制模块的研发,在LabVIEW平台上实现了空调系统与图像处理系统的集成。对提出的基于图像处理的压力无关型末端风量前馈控制方法进行了实验研究。结果表明提出的前馈控制方法能够有效的改善传统控制方法调温滞后问题,实现了对室内温度的及时跟踪控制。
熊武标[7](2019)在《基于地铁红土地站实测数据的通风空调系统运行控制研究》文中指出随着地铁建设的高速发展,地铁运营能力的提升至关重要,环控系统为地铁创造了一个合适的运营环境,同时长时间的高能耗运行成了地铁运营关注的焦点,因此环控系统的控制性能直接决定了地铁环境的优劣程度和系统能耗大小。为了实现地铁车站的节能运行目标,本课题结合实测数据,对车站公共区通风空调系统的动态负荷变化与优化运行控制方式进行了深入研究,提出了与工程特点相适应的节能控制策略。本文对重庆地铁6号线红土地车站热湿环境进行了为期一年的详细测试,测试结果表明夏季新风井底温度比室外新风温度平均降低3.9℃,相对湿度上升14.4%,站厅、站台温度分别低于设计值4.1℃和3℃,具有较大节能潜力。同时,长出入口通道在运营初期未开空调情况下温度仍能满足设计要求,对轨行区全年温度变化情况监测结果表明运营初期轨行区温度未超标。针对重庆6号线红土地车站,通过计算比较,得到在空调季公共区的最小新风量取送风量的10%更合适,由于站厅的设备负荷占比最大,所以客流负荷的日变化对站台的影响比站厅更大。同时根据车站工程特点将新风参数选取定在新风井底可使新风设计负荷降低47.6%,轨行区空气设计参数改为实测参数,屏蔽门负荷减少了27.1%。为了实现地铁车站的节能运行,本文对于已建车站提出了双风机配置单风机运行的优化通风模式,经计算重庆地区全年共计78.7%的小时数可以实现单风机运行,节能率达39.1%。通过对末端控制逻辑的对比,结果表明风量、水量同时调节的控制效果较好,且输送设备节能率可达31.7%。最后,应用基于遗传算法优化的BP神经网路对系统末端风机、水泵流量进行预测,并联合系统仿真平台进行神经网络前馈控制验证。结果表明,采用神经网络前馈预测输出流量,相对误差小于5%,末端设备调节运行平稳,控制方式合理,并且经在线学习优化后的神经网络训练精度提升,预测输出误差为±2%。
张红岭,洪斌,范竟往[8](2017)在《智能建筑中空调系统的节能控制设计》文中指出在智能建筑中,提出一种变风量空调的节能控制系统.这种节能控制系统达到很好的控制效果和能源效率,充分发挥了智能建筑的最大优势.在调节期间,空调的风量由前馈控制决定.前关闭时间的长短取决于补偿函数.
郭瑞军[9](2018)在《基于延迟效应分析的空调水系统负荷前馈控制策略研究》文中认为空调系统能耗是建筑能源消耗的主要部分。空调系统优化控制是降低能耗的重要途径。基于压差和温差的传统PID控制对非线性、大滞后的中央空调系统都存在着不足,传统的PID控制方式对在室内舒适度的控制效果和空调系统节能效果都不理想。冷冻水系统作为中央空调系统的重要组成部分,其控制方式对于中央空调系统总能耗的影响很大,因此,合理的冷冻水系统控制方法对于中央空调系统的节能运行具有重要意义。本文以天津大学大空间实验室为研究对象,首先系统地分析了中央空调系统延迟效应,并指出主要延迟是由水流动带来的。针对中央空调冷冻水系统常见的调节方式,将延迟时间主要分为变温度调节延迟和变流速调节延迟两种来考虑。分别对两种延迟进行理论计算和实验验证,并着重对变温度调节延迟进行了FLUENT数值模拟,进一步验证了理论算法的准确性。基于TRNSYS和MATLAB软件对天津大学大空间实验室地源热泵冷冻水系统建立了冷冻水系统仿真平台。模拟中央空调冷冻水系统夏季供冷工况,通过与实际测试数据对比验证模型的正确性。分别在实际控制,房间温度反馈模糊控制和负荷前馈模糊控制下仿真模拟。对比分析三种控制方式下模拟室内温度和系统能耗,结果表明提出的负荷前馈模糊控制在保证室内舒适度最优的同时,相比于实际控制和房间温度反馈模糊控制,总能耗分别降低14.1%和9.2%。
沈启[10](2015)在《智能建筑无中心平台架构研究》文中研究说明建筑的信息化和智能化是当代建筑的发展趋势。随着IT和互联网技术向各个工程应用领域的深入渗透,以及电子加工与制造技术的不断提升,现代建筑,特别是大型公共建筑,已经配置了大规模的传感器网络和自动控制系统。然而,在实际运行中这些智能建筑并不那么“智能”,多数自控系统甚至处于半瘫痪的状态。导致建筑自控系统应用困境的根本原因是,集中式的系统架构引发一系列工程实践瓶颈,影响最终功能使用效果,并且集中式系统难以满足建筑智能化急速膨胀的需求。为此,清华大学建筑节能研究中心开发了一套建筑无中心平台,全面服务于现代建筑的运行、控制和管理,采用扁平化的系统架构,从根本上解决了建筑自控领域现有的诸多问题。本文从理论上分析建筑无中心信息系统,对该系统的可行性、基本元素设计、系统架构设计、系统运行的稳定性和控制决策的有效性等问题,进行全面深入的分析和讨论。主要包括三方面工作:第一,从无中心系统的角度构建建筑以及各类机电系统的模型。将整个建筑系统看作是建筑空间和源类设备两种基本单元的组合,通过定义基本单元的标准化信息内容和基本单元的连接方式,给出描述建筑及系统的通用方法。以此,明确了新系统中智能节点和网络拓扑的定义方法。第二,从无中心系统的角度构建建筑运行任务的模型。将系统监测、机电控制、故障诊断、管理操作等各类建筑运行任务分为四类基本问题,即扩散问题、求和问题、分配问题和单点问题。每一类问题都与若干类功能服务应用相对应,具有特定的组网和求解模式。文中对每一类问题给出了标准定义,并辅以大量案例解释说明。以此,明确新系统应用于建筑运行管理的普适性和有效性。第三,建立新系统的数学模型。采用数学建模的方法,标准化定义建筑信息系统以及四类基本运行问题,详细分析每类问题网络计算的可行性、收敛性、稳定性。以此,明确了系统在实际运行中的稳定可靠。
二、智能建筑空调系统的前馈控制(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、智能建筑空调系统的前馈控制(论文提纲范文)
(1)基于嵌入式的VRV中央空调智能控制器设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 多联机国内外技术研究现状 |
1.3 本文研究主要内容及章节安排 |
第2章 VRV中央空调系统原理及建模 |
2.1 VRV空调系统组成 |
2.2 VRV中央空调系统机理模型 |
2.2.1 蒸发器模型 |
2.2.2 冷凝器模型 |
2.2.3 压缩机模型 |
2.2.4 电子膨胀阀模型 |
2.3 本章小结 |
第3章 基于模糊前馈补偿的VRV中央空调控制策略研究 |
3.1 VRV中央空调多房间工作特性影响研究 |
3.2 带有模糊前馈补偿的VRV中央空调模糊PID控制器设计 |
3.2.1 模糊PID主控制器设计 |
3.2.2 模糊前馈控制器设计 |
3.3 仿真结果分析 |
3.4 本章小结 |
第4章 VRV系统嵌入式控制器设计 |
4.1 嵌入式系统 |
4.2 控制器主要硬件选择和外围电路设计 |
4.2.1 主控制器整流电路设计 |
4.2.2 控制芯片电路设计 |
4.2.3 输入输出电路设计 |
4.2.4 PCB设计 |
4.3 控制器软件设计 |
4.3.1 控制器软件开发环境 |
4.3.2 控制算法软件设计 |
4.3.3 A/D、D/A转换程序 |
4.4 实验及结果分析 |
4.4.1 实验设备介绍 |
4.4.2 目标控制过热度实验与结果分析 |
4.5 本章小结 |
第5章 结论 |
5.1 研究工作总结 |
5.2 研究工作展望 |
参考文献 |
在学研究成果 |
致谢 |
(2)基于自抗扰迭代学习控制的中央空调控制策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 中央空调水系统研究现状 |
1.2.2 末端变风量系统控制现状 |
1.3 现阶段研究存在的问题 |
1.4 本文主要研究内容 |
第二章 基于自抗扰的迭代学习控制算法 |
2.1 迭代学习控制 |
2.2 自抗扰控制 |
2.3 迭代扩张状态观测器 |
2.4 自抗扰迭代学习控制算法 |
2.5 本章小结 |
第三章 中央空调负荷预测 |
3.1 中央空调结构组成 |
3.2 空调负荷预测方法 |
3.2.1 空调负荷预测研究现状 |
3.2.2 负荷预测法基本原理 |
3.3 多元线性回归预测 |
3.4 基于自抗扰迭代学习的线性回归预测 |
3.5 建筑冷负荷模型建立 |
3.6 冷负荷线性回归预测 |
3.6.1 线性回归预测模型建立 |
3.6.2 冷负荷预测结果 |
3.7 本章小结 |
第四章 中央空调水系统节能控制 |
4.1 冷水机组控制策略 |
4.1.1 冷水机组参数设计 |
4.1.2 基于冷冻水温度的冷机群控策略 |
4.1.3 基于效率与负荷率动态匹配的冷机群控策略 |
4.2 冷冻泵控制策略 |
4.3 冷却泵控制策略 |
4.4 水系统节能控制仿真 |
4.4.1 群控策略仿真 |
4.4.2 冷冻水变流量控制仿真 |
4.4.3 系统节能效果分析 |
4.5 本章小结 |
第五章 基于自抗扰迭代学习的变风量系统控制 |
5.1 变风量系统原理 |
5.2 变风量系统工作原理 |
5.2.1 变风量系统组成设备 |
5.2.2 变风量系统分类 |
5.3 变风量系统的控制 |
5.3.1 室内温度控制 |
5.3.2 风机转速控制 |
5.3.3 送风温度控制 |
5.3.4 新风量控制 |
5.4 变风量末端系统控制仿真 |
5.4.1 变风量末端系统建模 |
5.4.2 变风量系统特性分析 |
5.4.3 算法控制结果 |
5.5 本章小结 |
第六章 中央空调智能管理系统设计 |
6.1 系统硬件设备 |
6.2 数据采集系统 |
6.3 系统控制逻辑设计 |
6.4 系统能效评价 |
6.5 空调智能管理系统界面设计 |
6.5.1 系统总览 |
6.5.2 远程控制及参数设置 |
6.5.3 能效评价及运行诊断 |
6.6 本章小结 |
结论 |
参考文献 |
攻读博士/硕士学位期间取得的研究成果 |
致谢 |
附件 |
(3)粤港澳大湾区背景下A建筑设计院竞争战略研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状与文献综述 |
1.2.1 关于粤港澳大湾区的研究 |
1.2.2 关于竞争战略的研究 |
1.2.3 关于建筑设计的研究 |
1.3 研究目的和意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
1.4 研究内容和框架 |
1.4.1 研究内容 |
1.4.2 研究框架 |
1.5 研究方法 |
1.5.1 文献研究法 |
1.5.2 案例分析法 |
1.5.3 比较分析法 |
1.6 研究思路 |
第二章 A建筑设计院基本概况及发展环境分析 |
2.1 A建筑设计院基本概况及内部环境分析 |
2.1.1 单位简介 |
2.1.2 组织机构 |
2.1.3 人员资质 |
2.1.4 经营状况 |
2.2 宏观环境分析-PEST分析法 |
2.2.1 宏观政治环境分析 |
2.2.2 宏观经济环境分析 |
2.2.3 社会文化环境分析 |
2.2.4 科学技术环境分析 |
2.3 粤港澳大湾区发展机遇分析 |
2.3.1 世界四大湾区的对比 |
2.3.2 湾区背景下建筑企业的对比 |
2.3.3 细分市场的应对策略 |
2.3.4 A建筑设计院的整体应对方式 |
2.4 建筑设计行业发展状况分析 |
2.4.1 建筑设计行业发展现状 |
2.4.2 建筑设计行业未来发展趋势 |
2.5 A建筑设计院与同业的竞争对手分析 |
2.6 本章小结 |
第三章 A建筑设计院竞争战略的选择与制定 |
3.1 A建筑设计院竞争战略目标 |
3.1.1 A建筑设计院总体竞争战略目标 |
3.1.2 A建筑设计院业务板块发展目标 |
3.2 SWOT分析及战略匹配 |
3.2.1 A建筑设计院的优势 |
3.2.2 A建筑设计院的劣势 |
3.2.3 A建筑设计院的机会 |
3.2.4 A建筑设计院面临的威胁 |
3.2.5 SWOT矩阵战略匹配 |
3.3 A建筑设计院竞争战略的选择 |
3.4 本章小结 |
第四章 A建筑设计院竞争战略的保障控制与实施策略 |
4.1 提升内部技能 |
4.1.1 规范流程管理 |
4.1.2 构建人才梯度队伍 |
4.1.3 优化组织机构 |
4.1.4 完善绿建特色专业服务 |
4.2 创新科研资源 |
4.2.1 促进技术交流 |
4.2.2 对接多方合作 |
4.2.3 打造区域智库 |
4.3 促进市场外拓 |
4.3.1 把握需求下的机遇 |
4.3.2 开展粤港澳智能设计 |
4.3.3 整合融入大湾区设计 |
4.3.4 探索市场开发模式 |
4.3.5 构建信息化平台 |
4.4 竞争战略的保障措施 |
4.4.1 开展人员培训及考核 |
4.4.2 建立长效机制的企业文化 |
4.4.3 建立信息沟通保障 |
4.5 战略控制 |
4.5.1 前馈控制 |
4.5.2 实际控制 |
4.5.3 反馈控制 |
4.6 本章小结 |
第五章 研究总结和展望 |
一、研究结论 |
二、研究主要的创新点 |
三、研究的不足与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(4)变风量空调系统在大型公共建筑中的应用(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 引言 |
1.2 国内变风量空调系统的应用现状 |
1.3 课题工程背景介绍 |
1.3.1 项目基本概况 |
1.3.2 项目空气调节系统概况 |
1.3.3 项目变风量系统控制系统概况 |
1.4 本文研究目的和研究内容 |
2 变风量空调系统设计 |
2.1 引言 |
2.1.1 变风量系统的设计组合 |
2.2 空调系统负荷计算 |
2.2.1 收集建筑资料,确定空调分区,划分空调系统 |
2.2.2 冷负荷计算 |
2.3 空气处理及输送设备选型 |
2.4 空调系统阻力分析 |
2.4.1 风管沿程阻力损失 |
2.4.2 风管局部阻力损失 |
2.5 变风量空调系统末端装置 |
2.6 空调系统噪声计算 |
2.7 变风量空调系统深化设计实例 |
2.7.1 变频空气处理机组冷量、风量的复核 |
2.7.2 机外余压复核 |
2.7.3 噪声复核 |
2.8 本章小结 |
3 变风量空调系统的控制及仿真模拟 |
3.1 变风量空调系统控制概述 |
3.2 变风量空调系统控制要点 |
3.2.1 房间温度控制 |
3.2.2 送风温度控制 |
3.2.3 新风量控制 |
3.2.4 直接数字控制(DDC) |
3.3 变风量空调系统控制策略 |
3.3.1 变频机组常规控制策略 |
3.3.2 变频机组在不同负荷下的控制策略 |
3.3.3 变频机组变频控制策略 |
3.3.4 末端VAVBOX控制策略 |
3.3.5 变风量空调系统其他控制点策略 |
3.4 静压重设控制 |
3.4.1 静压重设控制 |
3.4.2 风量超越需求的情况 |
3.4.3 风量亏欠需求的情况 |
3.4.4 风量平衡情况 |
3.5 变风量空调系统仿真模拟与控制方式性能比较 |
3.5.1 定静压控制系统 |
3.5.2 变静压的静压重设控制系统 |
3.5.3 总风量控制系统 |
3.5.4 系统性能的比较 |
3.6 本章小结 |
4 变风量空调系统调试方法 |
4.1 变风量空调系统调试仪器 |
4.2 变频机组单机调试 |
4.2.1 调试前检查 |
4.2.2 调试步骤与方法 |
4.3 VAVBOX空调器单机调试 |
4.3.1 VAVBOX通讯状态测试 |
4.3.2 VAVBOX控制器功能动作测试 |
4.3.3 VAVBOX热水盘电动水阀开关动作测试 |
4.3.4 VAVBOX一次最大进风量修正设置 |
4.3.5 冬夏季工况转换转换调试 |
4.4 风量平衡调试 |
4.4.1 系统风量平衡调试 |
4.4.2 末端风口风量平衡调试 |
4.5 变风量空调系统自控调试 |
4.5.1 新风量、回风CO2浓度与新风VAV控制调试 |
4.5.2 送风温度与空调水电动调节阀控制调试 |
4.5.3 静压值与变频机组运行频率变化调试 |
4.5.4 机组回风段过滤器压差报警调试 |
4.6 本章小结 |
5 变风量空调系统的运行管理 |
5.1 节能运行 |
5.1.1 定静压控制的节能性分析 |
5.2 系统维修保养 |
5.2.1 变频机组维修保养 |
5.2.2 维修保养 |
5.2.3 故障分析 |
5.3 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 工作展望 |
参考文献 |
作者简介 |
作者在攻读硕士学位期间获得的学术成果 |
致谢 |
(5)基于模型预测控制的区域能源系统调控模型研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 课题的提出与意义 |
1.3 国内外研究现状 |
1.3.1 时间延迟效应分析研究现状 |
1.3.2 中央空调系统运行优化控制策略研究现状 |
1.4 研究内容、方法及技术路线 |
第2章 区域能源系统负荷预测模型的构建 |
2.1 TRNSYS负荷模拟 |
2.1.1 建筑围护结构和室内参数的设置 |
2.1.2 室内人员、设备、照明等参数设置 |
2.2 基于支持向量机方法的负荷预测模型 |
2.2.1 支持向量机原理 |
2.2.2 负荷预测模型建立 |
2.3 预测负荷与实际负荷对比验证 |
2.4 本章小结 |
第3章 基于CFD方法的区域热网系统时间延迟分析 |
3.1 区域热网系统模型 |
3.2 CFD方法计算变温度时间延迟 |
3.2.1 建立CFD模型 |
3.2.2 CFD模型的边界条件 |
3.3 CFD模拟结果 |
3.4 CFD模型验证 |
3.5 影响因素分析 |
3.5.1 流速 |
3.5.2 管长和管径 |
3.5.3 水温 |
3.6 本章小结 |
第4章 能源系统主要耗能设备的数学模型 |
4.1 主要耗能设备的基础数学模型 |
4.1.1 水泵数学模型的建立 |
4.1.2 热泵机组数学模型的建立 |
4.2 粒子群优化算法对热泵机组模型的参数辨识 |
4.3 热泵机组和水泵数学模型的验证 |
4.4 多台热泵机组启停台数和负荷分配率优化 |
4.4.1 单台机组 |
4.4.2 多台机组负荷分配率 |
4.5 本章小结 |
第5章 区域能源系统模型预测控制调控模型的研究 |
5.1 区域能源系统模型预测控制调控模型 |
5.1.1 基于遗传算法的控制参数最优值 |
5.1.2 基于模型预测控制的反馈校正 |
5.2 TRNSYS模拟仿真平台 |
5.2.1 变频热泵机组模块建立 |
5.2.2 各模块部件介绍及仿真参数设置 |
5.2.3 TRNSYS仿真平台模型验证 |
5.3 模拟仿真结果对比分析 |
5.3.1 对比工况——基于预测负荷的模糊前馈控制策略 |
5.3.2 三种控制策略下能耗模拟结果对比 |
5.3.3 三种控制策略下负荷的匹配 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(6)基于图像处理的空调房间人数检测与温度控制应用研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究的背景及意义 |
1.2 国内外研究现状 |
1.2.1 基于图像处理的人脸检测研究现状与发展 |
1.2.2 基于图像处理的空调温度控制的研究现状与发展 |
1.3 主要研究内容 |
1.4 研究思路 |
1.5 论文结构 |
2 基于图像处理的人脸检测研究 |
2.1 图像预处理 |
2.1.1 图像灰度化 |
2.1.2 多尺度变换及合并 |
2.1.3 直方图均衡化 |
2.2 Adaboost算法 |
2.2.1 Haar特征 |
2.2.2 Adaboost算法 |
2.3 DM-Adaboost算法 |
2.3.1 DM-Adaboost算法 |
2.3.2 扩展的Haar特征 |
2.3.3 改进的Adaboost算法 |
2.4 基于DM-Adaboost算法的实验研究 |
2.4.1 样本库的制作 |
2.4.2 实验结果与分析 |
2.5 小结 |
3 室内人数检测与温度控制方法 |
3.1 变风量空调控制系统 |
3.1.1 变风量空调系统风量控制 |
3.1.2 变风量空调系统末端控制 |
3.1.3 变风量空调系统基于人数检测的风量控制 |
3.2 室内人员负荷与空调控制研究 |
3.2.1 室内人员负荷 |
3.2.2 风量控制研究 |
3.2.3 图像处理与空调系统联合控制研究 |
3.3 室内人数检测与温度控制仿真研究 |
3.4 小结 |
4 基于图像处理的室内人数检测与温度控制实验研究 |
4.1 基于人数检测的空调系统硬件平台 |
4.2 基于图像处理的房间温度控制软件开发 |
4.2.1 LabVIEW对 VC++图像处理系统的调用 |
4.2.2 LabVIEW中人数检测模块的开发 |
4.2.3 人员负荷计算、TSAV及 VSP控制模块开发 |
4.2.4 图像处理与空调系统联合控制模块开发 |
4.3 基于图像处理的实验研究及分析 |
4.3.1 夏季工况下冷机出水温度控制 |
4.3.2 夏季工况下二次泵压差控制 |
4.3.3 夏季工况下送风温度的控制 |
4.3.4 夏季工况下风管静压的控制 |
4.3.5 人数检测与空调温度控制 |
4.4 小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
附录 |
Ⅰ 图表索引 |
Ⅱ 硕士研究生阶段发表论文情况 |
(7)基于地铁红土地站实测数据的通风空调系统运行控制研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题的研究背景 |
1.2 课题的提出及意义 |
1.3 国内外研究现状 |
1.3.1 地铁车站通风空调系统的发展 |
1.3.2 通风空调系统控制策略研究现状 |
1.3.3 存在的不足 |
1.4 课题的研究内容及方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
第2章 地铁红土地站热湿环境实测数据分析 |
2.1 工程概况与实测方案 |
2.1.1 工程简介 |
2.1.2 实测方案 |
2.2 红土地车站实测环境情况 |
2.2.1 新风井热湿处理效果分析 |
2.2.2 公共区温湿度情况 |
2.2.3 长出入口通道测试情况 |
2.2.4 车站不同位置温湿度对比 |
2.2.5 车站隧道温湿度情况 |
2.3 本章小结 |
第3章 系统运行影响因素与控制策略的提出 |
3.1 系统控制策略的影响因素 |
3.1.1 室外空气参数 |
3.1.2 室内设计参数 |
3.1.3 客流量大小 |
3.1.4 送风温度 |
3.1.5 最小新风量的确定 |
3.2 负荷动态特性与工程特点的影响 |
3.2.1 公共区全年负荷动态特性 |
3.2.2 客流量对公共区负荷的影响 |
3.2.3 新风参数的选取对负荷的影响 |
3.2.4 轨行区空气参数选取对负荷的影响 |
3.3 通风空调系统优化控制策略 |
3.3.1 原设计运行控制策略 |
3.3.2 通风模式优化 |
3.3.3 基于神经网络预测的前馈控制策略 |
3.4 本章小结 |
第4章 仿真平台的建立与通风空调系统变频运行分析 |
4.1 仿真平台的建立 |
4.1.1 建筑负荷计算模型的建立 |
4.1.2 空调风系统环路 |
4.1.3 空调水系统环路 |
4.1.4 控制策略的实现 |
4.2 通风模式优化的节能效果 |
4.3 末端设备变频运行情况对比 |
4.3.1 定水流量,变风量对比 |
4.3.2 定风量、变水流量对比 |
4.3.3 变风量、变水流量对比 |
4.4 系统变频运行能耗对比 |
4.5 本章小结 |
第5章 控制系统仿真与预测结果分析 |
5.1 GA优化BP神经网络控制算法的设计 |
5.2 GA-BP神经网络控制效果 |
5.2.1 GA-BP神经网络模型验证 |
5.2.2 公共区热环境控制情况 |
5.2.3 通风空调系统运行情况 |
5.3 神经网络在线学习优化 |
5.3.1 基于运行数据的网络结构优化 |
5.3.2 在线学习结果 |
5.4 本章小结 |
总结与展望 |
主要研究结论 |
研究展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文及参加的科研项目 |
(8)智能建筑中空调系统的节能控制设计(论文提纲范文)
0 引言 |
1 控制冷却准备时期 |
2 调节时间的前馈控制 |
3 开关时间补偿函数 |
(9)基于延迟效应分析的空调水系统负荷前馈控制策略研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 课题的提出与意义 |
1.3 国内外研究现状 |
1.3.1 中央空调系统运行仿真的研究现状 |
1.3.2 中央空调系统延迟效应的研究现状 |
1.3.3 中央空调系统控制策略的研究现状 |
1.4 研究内容和方法 |
第2章 中央空调系统延迟效应分析 |
2.1 中央空调系统延迟效应总体分析 |
2.2 变流速调节延迟 |
2.3 变温度调节延迟 |
2.3.1 变温度调节延迟时间理论研究 |
2.3.2 变温度调节延迟时间FLUENT模拟验证 |
2.4 本章小结 |
第3章 中央空调冷冻水系统仿真模型的建立 |
3.1 中央空调冷冻水系统基本情况 |
3.2 中央空调冷冻水系统TRNSYS仿真模型的建立 |
3.2.1 TRNSYS仿真模型整体情况 |
3.2.2 TRNSYS仿真模型各个模块参数设置 |
3.2.3 TRNSYS与MATLAB的链接 |
3.3 中央空调冷冻水系统TRNSYS仿真模型的验证 |
3.3.1 TRNSYS仿真模型室内温度验证 |
3.3.2 TRNSYS仿真模型热泵机组和水泵能耗验证 |
3.4 中央空调冷冻水系统实际控制策略仿真模拟 |
3.5 本章小结 |
第4章 中央空调冷冻水系统负荷控制策略的仿真研究 |
4.1 空调冷冻水系统负荷前馈模糊控制策略 |
4.1.1 空调系统负荷模拟计算 |
4.1.2 负荷模糊控制规则 |
4.1.3 水泵和热泵机组具体控制策略 |
4.1.4 仿真模型建立与模拟结果 |
4.2 对比工况——空调冷冻水系统房间温度模糊控制策略 |
4.2.1 房间温度模糊控制具体规则 |
4.2.2 仿真模型建立与模拟结果 |
4.3 各工况模拟结果对比 |
4.3.1 全模拟时长模拟结果对比 |
4.3.2 室外温度最高日模拟结果对比 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(10)智能建筑无中心平台架构研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 实际运行中的系统自动化水平普遍较低 |
1.1.1 系统组态现场配置困难 |
1.1.2 系统升级改造困难 |
1.1.3 跨系统功能难以实现 |
1.2 集中式系统架构的发展成因 |
1.2.1 历史发展过程 |
1.2.2 问题成因分析 |
1.3 现代建筑运行管理的新需求 |
1.3.1 需求一:具备底层信息高效共享的能力 |
1.3.2 需求二:具备自识别、自组织、自协调的能力 |
1.3.3 需求三:具备易操作、易改造、易扩展的能力 |
1.4 建筑无中心系统构想 |
1.4.1 面向空间分布的拓扑结构 |
1.4.2 标准化定义CPN信息集 |
1.4.3 CPN网络的并行计算模式 |
1.4.4 面向空间分布的开放操作平台 |
1.5 论文选题意义和研究方法 |
1.6 论文主要内容和结构安排 |
1.7 本章小结 |
第2章 建筑无中心平台介绍 |
2.1 “智能节点‖CPN |
2.1.1 CPN的功能与结构 |
2.1.2 CPN与标准信息集 |
2.2 并行计算平台架构 |
2.2.1 并行计算模式 |
2.2.2 与集中式系统计算比较 |
2.2.3 系统总体计算架构 |
2.3 CPN网络应用模式 |
2.3.1 服务功能与功能子网 |
2.3.2 开放平台的应用模式 |
2.4 典型应用场景 |
2.4.1 系统建设与改造 |
2.4.2 机电系统控制案例 |
2.4.3 人机交互模式 |
2.5 无中心平台特性小结与关键问题 |
2.6 本章小结 |
第3章 智能建筑与无中心系统文献综述 |
3.1 智能建筑领域在系统组态方面的研究成果 |
3.1.1 通过改善通信来改善组态 |
3.1.2 多Agent系统在建筑中的应用 |
3.2 无中心模式在其他工程领域的典型应用 |
3.2.1 无人机编队 |
3.2.2 机器人足球 |
3.2.3 蚁群算法 |
3.3 网络数值计算研究的主要成果 |
3.3.1 计算架构 |
3.3.2 计算效率 |
3.3.3 异步迭代 |
3.4 普适网络计算的构架研究 |
3.5 有关系统结构的理论研究 |
3.5.1 多Agent系统的协作机制 |
3.5.2 系统与模块的关系 |
3.6 文献综述小结 |
3.7 本章小结 |
第4章 建筑无中心平台对象分析 |
4.1 系统对象概念分析 |
4.1.1 基本单元的概念 |
4.1.2 系统的组合形态和网络化 |
4.2 建筑空间的描述方法 |
4.2.1 建筑空间的标准化定义 |
4.2.2 空间信息集设计剖析 |
4.2.3 空间基本单元的划分原则 |
4.3 源类设备的描述方法 |
4.3.1 设备分类与信息集定义原则 |
4.3.2 各类设备标准化定义 |
4.4 建筑与系统的描述方法 |
4.4.1 建筑空间类网络 |
4.4.2 水系统 |
4.4.3 风系统 |
4.4.4 输配电系统 |
4.4.5 供燃气系统 |
4.4.6 多联机系统 |
4.5 本章小结 |
第5章 建筑运行任务分类与分析 |
5.1 建筑运行任务概述 |
5.2 扩散问题 |
5.2.1 问题描述 |
5.2.2 案例 1:火灾报警校验 |
5.2.3 案例 2:房间人数修正 |
5.2.4 案例 3:传感器半参数故障诊断 |
5.2.5 案例 4:燃气泄漏浓度场模拟 |
5.2.6 案例 5:识别无组织新风 |
5.2.7 案例 6:压力相关变风量系统前馈调节 |
5.2.8 案例 7:火灾逃生智能指引 |
5.2.9 小结 |
5.3 求和问题 |
5.3.1 问题描述 |
5.3.2 案例 1:自来水系统定压控制 |
5.3.3 案例 2:空调箱送风温度设定值 |
5.3.4 案例 3:停车场排风机启停控制 |
5.3.5 案例 4:数据查询与远程操控 |
5.3.6 小结 |
5.4 分配问题 |
5.4.1 问题描述 |
5.4.2 案例 1:变频水泵组优化控制 |
5.4.3 案例 2:冷水机组群控 |
5.4.4 案例 3:终端能耗计量与拆分 |
5.4.5 案例 4:空调风系统传感器故障诊断 |
5.4.6 小结 |
5.5 单点问题 |
5.5.1 问题描述 |
5.5.2 案例 1:办公照明节能控制 |
5.5.3 案例 2:制冷机运行能效诊断 |
5.5.4 小结 |
5.6 本章小结 |
第6章 建筑无中心平台数学模型 |
6.1 系统定义 |
6.1.1 基本元素 |
6.1.2 无中心系统 |
6.1.3 概念说明 |
6.2 运行问题组网基本方法 |
6.2.1 网络定义 |
6.2.2 问题定义 |
6.2.3 关于网络定义的说明 |
6.3 建筑运行基本问题模型 |
6.3.1 扩散问题 |
6.3.2 求和问题 |
6.3.3 分配问题 |
6.3.4 单点问题 |
6.4 建筑运行基本问题求解方法 |
6.4.1 扩散问题 |
6.4.2 求和问题 |
6.4.3 分配问题 |
6.4.4 混合问题的分解 |
6.5 异步迭代的收敛性 |
6.6 本章小结 |
第7章 建筑无中心平台应用实例分析 |
7.1 案例提要 |
7.2 CPN设置与网络设计 |
7.2.1 无中心系统实施全过程流程 |
7.2.2 空间CPN与空间网络 |
7.2.3 变电站与配电系统 |
7.2.4 空调水系统 |
7.3 典型系统功能实现方法介绍 |
7.3.1 办公照明节能控制 |
7.3.2 能源分项计量监测 |
7.3.3 逃生疏散动态引导 |
7.3.4 冷却泵自控改造 |
7.3.5 空间改造与人数校验 |
7.4 本章小结 |
第8章 总结与展望 |
参考文献 |
致谢 |
附录A 建筑基本单元CPN标准信息集 |
A.1 空间单元 |
A.2 配电器 |
A.3 发电设备 |
A.4 冷机 |
A.5 锅炉 |
A.6 水泵 |
A.7 冷却塔 |
A.8 空调箱 |
A.9 新风处理器 |
A.10 新风热回收设备 |
A.11 蓄能池 |
A.12 旁通阀 |
A.13 通风机 |
A.14 换热器 |
A.15 电梯 |
附录B 主对角占优三对角矩阵的逆 |
B.1 三对角矩阵的逆 |
B.2 对称三对角矩阵的逆 |
B.3 逆矩阵的近似稀疏性 |
附录C 传感器网络故障诊断半参数法 |
C.1 假设检验与约束满足 |
C.2 加权计数法 |
C.3 后验出错概率 |
附录D 分配优化问题的分析 |
D.1 最优点定性分析 |
D.2 算法证明 |
个人简历、在学期间发表的学术论文与研究成果 |
四、智能建筑空调系统的前馈控制(论文参考文献)
- [1]基于嵌入式的VRV中央空调智能控制器设计[D]. 郭兆明. 沈阳工业大学, 2020
- [2]基于自抗扰迭代学习控制的中央空调控制策略研究[D]. 陆诗莹. 华南理工大学, 2020(02)
- [3]粤港澳大湾区背景下A建筑设计院竞争战略研究[D]. 童文霞. 华南理工大学, 2020(02)
- [4]变风量空调系统在大型公共建筑中的应用[D]. 李晓妮. 沈阳建筑大学, 2020(04)
- [5]基于模型预测控制的区域能源系统调控模型研究[D]. 单宇. 天津大学, 2019(01)
- [6]基于图像处理的空调房间人数检测与温度控制应用研究[D]. 张晨. 西安建筑科技大学, 2019(06)
- [7]基于地铁红土地站实测数据的通风空调系统运行控制研究[D]. 熊武标. 西南交通大学, 2019(04)
- [8]智能建筑中空调系统的节能控制设计[J]. 张红岭,洪斌,范竟往. 河北建筑工程学院学报, 2017(04)
- [9]基于延迟效应分析的空调水系统负荷前馈控制策略研究[D]. 郭瑞军. 天津大学, 2018(04)
- [10]智能建筑无中心平台架构研究[D]. 沈启. 清华大学, 2015(07)