首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于改进多目标优化算法在多光谱测温中的研究

摘要第5-6页
abstract第6-7页
第1章 绪论第10-16页
    1.1 课题研究背景第10页
    1.2 研究的目的和意义第10-11页
    1.3 辐射测温技术的国内外研究现状第11-14页
    1.4 研究内容及章节安排第14-16页
第2章 多光谱辐射测温技术相关理论第16-22页
    2.1 黑体辐射定律第16-17页
        2.1.1 普朗克定律第16-17页
        2.1.2 维恩位移定律第17页
        2.1.3 斯特藩-波尔兹曼定律第17页
    2.2 多光谱辐射测温第17-20页
        2.2.1 多光谱辐射测温的基本结构第18页
        2.2.2 多光谱辐射测温法原理第18-20页
    2.3 涡轮叶片辐射特性第20-21页
    2.4 本章小结第21-22页
第3章 传统GA与NSGA-Ⅱ算法辐射测温应用第22-38页
    3.1 多目标优化在多波长测温中应用模型第22-24页
        3.1.1 基于多目标优化算法问题描述第22页
        3.1.2 Pareto多目标最优解集第22-23页
        3.1.3 多目标优化算法应用在涡轮叶片辐射测温中理论基础第23-24页
    3.2 遗传算法在多波长辐射测温中的应用第24-29页
        3.2.1 遗传算法原理第24-25页
        3.2.2 遗传算法求解目标真温第25-29页
    3.3 NSGA-Ⅱ算法在多波长辐射测温中的应用第29-35页
        3.3.1 NSGA-Ⅱ算法原理第30-32页
        3.3.2 NSGA-Ⅱ遗传算法求解目标真温第32-35页
    3.4 波段数目对求解精度的影响第35-37页
        3.4.1 三波长仿真分析第35-36页
        3.4.2 四波长仿真分析第36-37页
        3.4.3 六波长仿真分析第37页
    3.5 本章小结第37-38页
第4章 基于改进多目标优化算法测温应用第38-61页
    4.1 自适应双种群差分遗传算法在多波长辐射测温中的应用第38-46页
        4.1.1 双种群遗传算法原理第38-39页
        4.1.2 动态自适应参数调整第39-42页
        4.1.3 变异算子的改进第42页
        4.1.4 自适应双种群差分遗传算法多波长仿真第42-46页
    4.2 改进NSGA-Ⅱ算法在多波长辐射测温中的应用第46-52页
        4.2.1 自适应参数调整第46-47页
        4.2.2 交叉算子的改进第47-48页
        4.2.3 精英策略的改进第48-49页
        4.2.4 改进NSGA-Ⅱ算法多波长仿真第49-52页
    4.3 差分进化算法在多波长辐射测温中的应用第52-58页
        4.3.1 差分进化算法原理第53-55页
        4.3.2 差分进化算法多波长仿真第55-58页
    4.4 基于不同发射率模型比较第58-60页
    4.5 本章小结第60-61页
第5章 多光谱辐射测温系统设计及实验验证第61-71页
    5.1 多波长数据采集界面设计第61-67页
        5.1.1 数据采集模块设计第61-63页
        5.1.2 离线数据分析混编系统实现第63-65页
        5.1.3 实时采集计算一体化模拟实现第65-67页
    5.2 实验数据处理第67-70页
        5.2.1 实验环境第67-69页
        5.2.2 实验数据处理结果第69-70页
    5.3 本章小结第70-71页
结论第71-73页
参考文献第73-78页
攻读硕士学位期间发表的论文和取得的科研成果第78-79页
致谢第79页

论文共79页,点击 下载论文
上一篇:阵列芯光纤超模特性和传感特性应用研究
下一篇:面向智能仓储的多机器人任务分配与路径规划研究