第1篇 有关应急管理及空气调节系统控制的理论研究 3
第1章 绪论 3
1.1课题背景及研究意义 3
1.2国内外研究状况——现代应急管理 4
1.2.1国外发展情况 4
1.2.2国内发展情况 5
1.2.3研究成果 6
1.3研究内容及目标 6
1.4大空间建筑概述 7
1.4.1大空间建筑的发展 7
1.4.2大空间建筑的特点和空调特点 8
1.5本章小结 10
第2章 基本理论阐述 11
2.1应急管理基本理论 11
2.1.1应急管理基本概念及框架 11
2.1.2应急管理的全生命周期管理 12
2.1.3应急管理的机理体系 13
2.1.4应急管理的运作 14
2.1.5预案管理 16
2.1.6应急管理的工作分解结构 19
2.2空气调节系统基本理论 20
2.2.1空气调节的基本概念 20
2.2.2空气调节系统的分类 20
2.2.3集中式空调系统 22
2.2.4空气调节自动控制系统概述 23
2.2.5应急管理基础上空调系统改造方案 24
2.3空气品质应急管理分析 26
2.3.1减缓阶段 26
2.3.2预备阶段 28
2.3.3响应阶段 28
2.3.4恢复阶段 29
2.4本章小结 29
第3章 空调系统应急预案的编制和执行 31
3.1应急预案 31
3.1.1应急预案的编制目的 31
3.1.2应急预案的编制依据 31
3.1.3应急预案的适用范围 31
3.2体制、机制、法制 32
3.2.1空调系统应急机制的建立 32
3.2.2机理 33
3.2.3组织机构与职责 33
3.2.4预防与预警 34
3.2.5应急响应 36
3.2.6保障措施 37
3.3应急体系四大子系统 40
3.3.1指挥子系统 40
3.3.2辅助决策子系统 41
3.3.3保障子系统 42
3.3.4信息管理子系统 44
3.4培训演习 45
3.5本章小结 46
第4章 关于特殊建筑物空气品质应急管理系统的探讨 47
4.1应急管理系统中的系统工程方法 47
4.1.1系统的定义 47
4.1.2系统的分类 47
4.1.3有序性原理 48
4.1.4动态性原理 49
4.1.5分解综合原理 49
4.1.6创造思维原理 50
4.1.7验证性原理 50
4.1.8反馈原理 50
4.1.9系统工程的特征 52
4.1.10系统分析 53
4.2控制论在应急管理中的应用 58
4.2.1控制论及管理控制概述 58
4.2.2应用于危机管理的控制论架构 60
4.2.3危机管理中引入控制论、系统论方法的意义 61
4.3基于滑模变结构控制理论的平时—应急状态切换理论 62
4.3.1空调系统的平时运行状态管理 63
4.3.2空调系统的应急状态管理 63
4.3.3平时状态—应急状态切换的控制论架构 64
4.3.4在切换过程中引入滑模变结构控制 67
4.4本章小结 73
第2篇 数据处理和模型建立 77
第5章 测试数据的处理及系统数学建模——多变量系统辨识 77
5.1特殊构筑物数学建模的研究现状 77
5.2系统辨识的研究概述 78
5.2.1经典的系统辨识 79
5.2.2现代的系统辨识 79
5.3多变量系统辨识的研究概况 81
5.4人工神经网络在系统辨识中应用的研究概述 83
5.4.1神经网络在线性系统辨识中的应用 83
5.4.2神经网络在非线性系统辨识中的应用 84
5.5本章小结 84
第6章 多变量线性系统的结构辨识 85
6.1多变量系统结构参数辨识 85
6.1.1 Guidorzi方法 86
6.1.2残差分析法 88
6.1.3多变量系统结构参数辨识方法的仿真研究 89
6.1.4采用Guidorzi方法进行结构参数的辨识 89
6.1.5采用残差分析法进行结构参数的辨识 90
6.1.6辨识结果比较 90
6.1.7时滞多变量线性系统Guidorzi方法结构参数辨识 90
6.2系统时滞的辨识 92
6.2.1时滞的传统辨识方法 92
6.2.2人工神经网络权值法辨识 93
6.2.3人工神经网络准则函数法辨识 93
6.3滑模变结构策略 95
6.3.1滑模变结构理论的起源与背景 95
6.3.2滑模变结构控制的研究现状 95
6.3.3滑模变结构控制基本理论 97
6.3.4滑模变结构系统的设计 97
6.3.5变结构控制系统的稳定性分析 97
6.3.6离散时间变结构控制 98
6.4本章小结 99
第7章 多变量线性系统参数辨识 101
7.1神经网络辨识的原理 101
7.1.1两种神经网络辨识结构 101
7.1.2系统模型及逆模型的辨识 101
7.1.3动态系统辨识常用的神经网络 103
7.2神经网络辨识需考虑的因素 104
7.3神经网络辨识常用的学习算法 105
7.3.1 BP算法 105
7.3.2 LMS算法 105
7.4基于滑模变结构算法的神经网络辨识 106
7.4.1滑模变结构算法要解决的两大问题 106
7.4.2基于变结构算法的神经网络辨识算法 106
7.5 VSS学习算法性能与常规学习算法的比较 108
7.6本章小结 114
第8章 建筑物空间空气品质的实验室建模 115
8.1模型实验与相似理论 115
8.1.1模型实验 115
8.1.2相似原理 115
8.1.3相似准则 117
8.1.4准则关系式 121
8.1.5近似模化 121
8.2激光粒子图像测速技术的原理及应用 122
8.2.1 PIV技术的原理及组成 122
8.2.2 PIV技术的特点 123
8.2.3 PIV技术在室内气流组织的应用及问题 124
8.3大空间建筑室内气流组织的模型实验 124
8.3.1实验内容 124
8.3.2模型设计 125
8.3.3实验参数的确定、实验过程及结果 132
8.4实验数据处理及结果分析 137
8.4.1射流结构 137
8.4.2舒适性测量及评价 144
8.5本章小结 151
第9章 系统辨识算法在过程控制实验装置上的验证性实验研究 152
9.1 PCT-Ⅲ过程控制系统设备 152
9.2实验系统描述及实验设计 153
9.2.1双容水箱系统描述及实验原理 153
9.2.2实验系统硬件组建 154
9.2.3数据接口软件系统设计 155
9.3双容水箱系统控制策略 157
9.3.1数据采集 158
9.3.2水箱系统的系统辨识 158
9.3.3基于滑模变结构学习算法的神经网络参数辨识 161
9.4基于VSS学习算法的神经网络辨识模型与水箱机理建模模型的比较 163
9.4.1采用机理建模水箱系统输出结果 163
9.4.2采用神经网络辨识水箱系统输出结果 163
9.4.3两种模型输出误差及泛化能力比较 165
9.5本章小结 168
第3篇 现场应用研究及案例 171
第10章 中国美术馆空调房间系统辨识 171
10.1建立空调房间系统的热湿环境模型应考虑的因素 171
10.2数据采集和处理 172
10.2.1中国美术馆基本情况介绍 172
10.2.2测试方法 172
10.2.3数据采集及处理 173
10.3美术馆空调房间的系统辨识 174
10.3.1美术馆空调房间系统结构参数辨识 174
10.3.2美术馆空调房间系统时滞参数的辨识 177
10.3.3美术馆空调房间结构 177
10.3.4美术馆空调房间神经网络参数辨识 178
10.4本章小结 181
第11章 地铁空气系统突发事件应急管理案例研究 182
11.1应对地铁突发事件的原则 182
11.2应对体系与运营状态的对应关系 183
11.3应对体系的细节设计 183
11.4本章小结 186
附录 187
附录A中国美术馆四号厅温湿度数据 187
附录B系统运行图 189
附录C双容水箱系统机理建模 189
附录D收敛性证明 193
参考文献 194
后记 206