论文的研究工作是结合某卷烟厂生产车间的中央空调监控项目开展的。该生产车间面积大(1200m2),对室内温湿度的控制精度要求较高,采用了对空调区域进行分区,各区独立供冷(热)的分区独立式中央空调系统;并且,还要将中央空调系统集成到卷烟厂的能源动力中心。中央空调系统是工业中耗能的重要部分,但当前中央空调系统采用的主要控制方式PID 调节还存在一些问题:对于工况及环境变化的适应性差,控制惯性较大,容易产生超调,节能效果也不理想,特别对于大区域分区独立式中央空调系统,若采用常规PID 控制方式,在相邻的分区中,有时会出现一个区域制冷,另一个区域加热的现象,这不仅会使系统振荡,而且会造成能源的巨大浪费;在中央空调系统与能源中心集成时,由于各系统使用了不同的总线技术。所以,对中央空调系统的有效控制及提供标准的通信接口是节能和系统集成的关键所在。论文研究了人工神经网络技术及OPC 技术在中央空调系统中的应用。作者的主要贡献在于:分析了影响中央空调系统温湿度的主要因素,从而明确了中央空调系统的监控任务和特点;针对现阶段大区域中央空调监控系统所采用的传统PID控制方案存在的问题,分析了人工神经网络技术在中央空调监控系统中应用的可行性;深入剖析了反传学习(BP)网络的经典算法,指出了该算法造成振荡的原因,在分析各种改进算法的基础上,提出了理论上的解决方案,对经典BP 网络进行了实用有效的改进,将人工神经网络技术应用于中央空调温湿度监控系统中,选定了输入参数与输出节点,建立了合适的人工神经网络结构,优化了控制方案,达到了预期效果;结合总线控制技术的优越性能,给出了集成的系统软件结构图,分析了选取系统硬件的缘由,针对系统集成中存在的问题,提出了利用OPC 技术进行系统集成的解决方案;对OPC 技术在中央空调监控系统集成中的应用进行了研究,对OPC DA 服务器端和客户端进行了研究和开发,给出了程序设计代码。研究表明,将人工神经网络应用于中央空调温湿度监控系统中,弥补了传统PID 控制对于工况及环境变化的适应性差,控制惯性较大,容易产生超调,节能效果也不理想等问题,取得了较为满意的成果。此外,OPC 技术在系统集成中的应用,不但可以提高监控系统的互操作性,而且更易于功能的扩展,使系统更加开放,是系统集成的一种新途径。论文对控制技术和系统集成的研究及其在工程应用具有相当的参考价值。