| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-20页 |
| ·研究背景 | 第13-15页 |
| ·磁控形状记忆合金的研究现状与应用现状分析 | 第15-18页 |
| ·磁控形状记忆合金的发展概况 | 第15-16页 |
| ·国内外对MSMA 微位移执行器的研究概况 | 第16-17页 |
| ·磁控形状记忆合金微位移执行器的应用前景 | 第17-18页 |
| ·本文研究的目的、意义和研究内容 | 第18-20页 |
| ·本论文研究的目的和意义 | 第18页 |
| ·本论文研究的主要内容 | 第18-20页 |
| 第2章 MSMA 材料的变形机理与建模方法研究 | 第20-32页 |
| ·引言 | 第20页 |
| ·磁控形状记忆效应 | 第20-22页 |
| ·NiMnGa 合金的结构 | 第20-21页 |
| ·形状记忆效应 | 第21-22页 |
| ·磁控形状记忆效应 | 第22页 |
| ·马氏体相变 | 第22-24页 |
| ·热弹性马氏体相变 | 第22-23页 |
| ·应力诱发马氏体相变 | 第23页 |
| ·磁场诱发马氏体相变 | 第23-24页 |
| ·影响马氏体相变温度的因素 | 第24页 |
| ·MSMA 的变形机理 | 第24-25页 |
| ·MSMA 建模方法概述 | 第25-29页 |
| ·机器学习建模 | 第29-32页 |
| ·机器学习 | 第29-30页 |
| ·基于数据的机器学习建模 | 第30-32页 |
| 第3章 MSMA 微位移执行器静态特性的 BP 神经网络模型 | 第32-59页 |
| ·引言 | 第32-33页 |
| ·MSMA 微位移执行器特性测试装置 | 第33-34页 |
| ·MSMA 静态特性测试实验 | 第34-35页 |
| ·人工神经网络 | 第35-43页 |
| ·人工神经网络简介 | 第35-36页 |
| ·人工神经网络的结构 | 第36-38页 |
| ·BP 神经网络 | 第38-41页 |
| ·改进的BP 网络算法 | 第41-43页 |
| ·MSMA 微位移执行器静态特性模型 | 第43-59页 |
| ·恒温恒磁通下预压力与MSMA 变形率之间的关系模型 | 第44-46页 |
| ·恒温恒压下施加的磁场强度与MSNA 变形率之间的关系模型 | 第46-48页 |
| ·恒压力恒磁通下MSMA 变形率与温度之间的关系模型 | 第48-51页 |
| ·压力、磁通、温度与变形率之间的关系模型 | 第51-59页 |
| 第4章 MSMA 微位移执行器动态特性的最小二乘支持向量机模型 | 第59-70页 |
| ·引言 | 第59页 |
| ·动态特性测试实验 | 第59-60页 |
| ·支持向量机 | 第60-65页 |
| ·支持向量机简介 | 第60-61页 |
| ·支持向量机回归 | 第61-63页 |
| ·最小二乘支持向量机回归算法 | 第63-65页 |
| ·MSMA 微位移执行器动态特性模型 | 第65-69页 |
| ·LS-SVM 的MATLAB 设计 | 第65页 |
| ·MSMA 动态特性的LS-SVM 模型与仿真分析 | 第65-69页 |
| ·机器学习建模与机理分析建模的比较 | 第69-70页 |
| 结论 | 第70-71页 |
| 附录Ⅰ 样本数据 | 第71-76页 |
| 附录Ⅱ 部分程序清单 | 第76-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第83页 |
