| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-31页 |
| 1.1 神经网络 | 第12-18页 |
| 1.1.1 神经网络的基本理论 | 第12-17页 |
| 1.1.2 神经网络在复合材料工艺优化中的应用 | 第17-18页 |
| 1.2 遗传算法 | 第18-23页 |
| 1.2.1 遗传算法的基本理论 | 第18-22页 |
| 1.2.2 遗传算法在复合材料工艺优化中的应用 | 第22-23页 |
| 1.3 羟基磷灰石-C/C复合材料工艺的研究 | 第23-26页 |
| 1.3.1 等离子喷涂法 | 第24页 |
| 1.3.2 电化学沉积法 | 第24页 |
| 1.3.3 水热电化学沉积法 | 第24页 |
| 1.3.4 仿生法 | 第24-25页 |
| 1.3.5 感应热沉积法 | 第25-26页 |
| 1.4 芳纶纤维表面化学镀改性技术的研究 | 第26-28页 |
| 1.5 本文研究意义、研究内容及论文组织结构 | 第28-31页 |
| 1.5.1 本文研究意义 | 第28-29页 |
| 1.5.2 本文研究内容 | 第29-30页 |
| 1.5.3 本文组织结构 | 第30-31页 |
| 第二章 人工神经网络 | 第31-47页 |
| 2.1 BP神经网络 | 第31-41页 |
| 2.1.1 BP神经网络的结构与工作原理 | 第31-34页 |
| 2.1.2 BP神经网络的性能函数 | 第34页 |
| 2.1.3 BP神经网络的学习规则 | 第34-41页 |
| 2.2 其它类型的神经网络 | 第41-45页 |
| 2.2.1 径向基神经网络 | 第41-43页 |
| 2.2.2 自组织神经网络 | 第43-44页 |
| 2.2.3 模糊神经网络 | 第44-45页 |
| 2.3 本章小结 | 第45-47页 |
| 第三章 遗传算法及其与BP神经网络的融合设计 | 第47-58页 |
| 3.1 遗传算法的基本原理与方法 | 第47-53页 |
| 3.1.1 编码 | 第47-48页 |
| 3.1.2 适应度函数 | 第48-50页 |
| 3.1.3 选择 | 第50-51页 |
| 3.1.4 交叉 | 第51页 |
| 3.1.5 变异 | 第51-52页 |
| 3.1.6 控制参数选取 | 第52-53页 |
| 3.1.7 约束条件的处理方法 | 第53页 |
| 3.2 遗传算法的理论基础 | 第53-54页 |
| 3.2.1 模式定理 | 第53-54页 |
| 3.2.2 积木块假设 | 第54页 |
| 3.3 BP神经网络与遗传算法的融合设计 | 第54-57页 |
| 3.3.1 基于遗传算法的BP神经网络优化技术 | 第55-56页 |
| 3.3.2 基于神经网络和遗传算法的非线性函数极值寻优技术 | 第56-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 基于神经网络和遗传算法的感应热沉积工艺优化 | 第58-78页 |
| 4.1 神经网络建模 | 第58-70页 |
| 4.1.1 整理实验数据 | 第58-59页 |
| 4.1.2 神经网络结构的确定 | 第59-60页 |
| 4.1.3 神经网络性能的评定 | 第60-64页 |
| 4.1.4 神经网络的仿真输出 | 第64-68页 |
| 4.1.5 感应热沉积工艺活化能的计算 | 第68-70页 |
| 4.2 遗传算法寻找感应热沉积工艺最佳参数 | 第70-74页 |
| 4.3 本章代码 | 第74-77页 |
| 4.4 本章小结 | 第77-78页 |
| 第五章 基于神经网络和遗传算法的化学镀镍工艺优化 | 第78-95页 |
| 5.1 正交实验设计 | 第78-79页 |
| 5.2 遗传算法优化人工神经网络 | 第79-85页 |
| 5.3 遗传算法寻优化学镀镍最佳工艺参数 | 第85-88页 |
| 5.4 本章代码 | 第88-93页 |
| 5.5 本章小结 | 第93-95页 |
| 第六章 结论与展望 | 第95-97页 |
| 6.1 结论 | 第95页 |
| 6.2 展望 | 第95-97页 |
| 参考文献 | 第97-104页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第104页 |
| 作者在攻读硕士学位期间所作的项目 | 第104-105页 |
| 致谢 | 第105页 |