基于神经网络的空化器直径优化设计
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·超空泡运动体简介 | 第9-10页 |
| ·优化问题简要回顾 | 第10-11页 |
| ·人工神经网络综述 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| 第2章 超空泡理论 | 第13-23页 |
| ·超空泡基础知识 | 第13-19页 |
| ·超空泡概念 | 第13-14页 |
| ·空化现象产生机理 | 第14-15页 |
| ·超空泡的产生原理 | 第15-16页 |
| ·实现超空泡的方法 | 第16-19页 |
| ·影响空化的重要因素 | 第19-22页 |
| ·空化器尺寸的影响 | 第19-21页 |
| ·空化数取值大小的影响 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 优化原理和方法 | 第23-35页 |
| ·数学建模体系 | 第23-26页 |
| ·设计常量和设计变量 | 第23页 |
| ·可行区域和非可行区区域 | 第23-25页 |
| ·构造优化目标函数 | 第25-26页 |
| ·建立数学模型 | 第26页 |
| ·目标函数最优解 | 第26-31页 |
| ·等值面和等值线 | 第26-27页 |
| ·有约束函数的极值 | 第27-28页 |
| ·迭代格式和过程 | 第28-30页 |
| ·迭代评价和终止准则 | 第30-31页 |
| ·无约束非线性优化法 | 第31-34页 |
| ·进退试算法 | 第31-32页 |
| ·一元解法:黄金分割法 | 第32-33页 |
| ·多元解法:梯度法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 神经网络优化研究 | 第35-50页 |
| ·神经网络基本原理 | 第35-38页 |
| ·神经网络模型 | 第35-36页 |
| ·神经元功能函数 | 第36-38页 |
| ·神经网络学习算法 | 第38页 |
| ·前馈型神经网络 | 第38-41页 |
| ·BP神经网络结构 | 第38-39页 |
| ·BP神经网络学习过程 | 第39-40页 |
| ·BP神经网络设计原则 | 第40-41页 |
| ·反馈型神经网络 | 第41-45页 |
| ·Hopfield神经网络运行方式 | 第41-42页 |
| ·离散型Hopfield神经网络 | 第42-44页 |
| ·连续型Hopfield神经网络 | 第44-45页 |
| ·反馈神经网络优化算法 | 第45-49页 |
| ·改进惩罚函数法 | 第45-46页 |
| ·双不等式约束惩罚函数法 | 第46-47页 |
| ·惩罚函数法融合反馈神经网络 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 空化器直径优化实例 | 第50-60页 |
| ·构造优化数学模型 | 第50-54页 |
| ·超空泡运动体受力分析 | 第50-51页 |
| ·确定重要参数的取值 | 第51页 |
| ·积分并简化整理 | 第51-52页 |
| ·创建优化数学模型 | 第52-54页 |
| ·计算和结果分析 | 第54-59页 |
| ·传统优化方法计算 | 第54页 |
| ·反馈神经网络优化建模 | 第54-56页 |
| ·模拟退火算法和遗传算法求解 | 第56-58页 |
| ·三种优化结果对比分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
