| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10页 |
| ·热－结构数值仿真的国内外研究现状 | 第10-12页 |
| ·神经网络的国外研究现状 | 第12-14页 |
| ·本文的主要工作 | 第14-16页 |
| 第2章 热－结构耦合仿真基本原理 | 第16-22页 |
| ·制动温度与应力的产生机理 | 第16页 |
| ·温度场基本模型 | 第16-18页 |
| ·温度场函数及其梯度模型 | 第16-17页 |
| ·热传导模型 | 第17-18页 |
| ·热传导的微分方程模型 | 第18页 |
| ·温度场的定解条件 | 第18-19页 |
| ·初始条件 | 第19页 |
| ·边界条件 | 第19页 |
| ·温度应力的计算方法 | 第19-20页 |
| ·显式有限元计算方法 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第3章 热－结构耦合仿真分析 | 第22-32页 |
| ·热－结构耦合分析边界条件 | 第22-23页 |
| ·热—结构耦合仿真基本假设 | 第22页 |
| ·制动器结构尺寸及材料参数 | 第22-23页 |
| ·主要边界条件 | 第23-25页 |
| ·对流换热系数 | 第23-24页 |
| ·热流分配系数 | 第24-25页 |
| ·等效转动惯量 | 第25页 |
| ·结果分析 | 第25-30页 |
| ·本章小结 | 第30-32页 |
| 第4章 神经网络预测系统模型 | 第32-48页 |
| ·人工神经网络的结构与原理 | 第32-36页 |
| ·神经元数学模型 | 第32-33页 |
| ·神经网络的常见组织方式 | 第33-35页 |
| ·神经元的输入权值调整方法 | 第35-36页 |
| ·BP 神经网络 | 第36-39页 |
| ·BP 的基本结构 | 第36-37页 |
| ·BP 网络的神经元传函 | 第37页 |
| ·BP 的权值调整算法 | 第37-39页 |
| ·遗传算法 | 第39-43页 |
| ·遗传算法的基本流程 | 第39-40页 |
| ·遗传算法的编码方法 | 第40-41页 |
| ·个体适应度函数 | 第41-42页 |
| ·遗传算法的核心算子与控制参数 | 第42-43页 |
| ·GA-BP 的神经网络模型 | 第43-44页 |
| ·权值和阈值的编码方法 | 第43页 |
| ·算法逻辑 | 第43-44页 |
| ·BP 与 GA-BP 的比较 | 第44-47页 |
| ·训练样本及网络参数 | 第44-45页 |
| ·逼近结果对比与分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 制动器仿真结果的 GA-BP 网络预测方法 | 第48-74页 |
| ·GA-BP 网络建立方法 | 第48页 |
| ·热－结构过程的参数分析 | 第48-49页 |
| ·热－结构仿真试验方案 | 第49-51页 |
| ·正交试验原理 | 第49-50页 |
| ·正交试验方案 | 第50-51页 |
| ·多工况的参数化处理方法 | 第51-58页 |
| ·参数化处理流程 | 第52页 |
| ·参数化工况文件生成 | 第52-54页 |
| ·多工况文件提交求解 | 第54-55页 |
| ·参数化后处理文件结果提取 | 第55-57页 |
| ·参数化处理方法集成 | 第57-58页 |
| ·GA-BP 神经网络关键参数 | 第58-60页 |
| ·网络的输入输出向量 | 第58-59页 |
| ·网络的结构形式 | 第59页 |
| ·GA 模块的优化模型 | 第59-60页 |
| ·GA-BP 神经网络训练 | 第60-61页 |
| ·训练结果对比与分析 | 第61-70页 |
| ·有限元计算结果 | 第61-66页 |
| ·GA-BP 训练结果 | 第66-70页 |
| ·工况预测与误差分析 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第6章 结论与展望 | 第74-76页 |
| ·论文总结 | 第74页 |
| ·研究展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 作者简介及硕士期间所取得的科研成果 | 第80-82页 |
| 致谢 | 第82页 |