多约束松弛二级优化算法实现复合材料箱型梁优化设计
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 引言 | 第9-21页 |
| ·本章引论 | 第9页 |
| ·课题研究的背景 | 第9-10页 |
| ·轻量化的意义 | 第9页 |
| ·碳纤维复合材料的特点 | 第9-10页 |
| ·碳纤维复合材料在汽车领域的运用 | 第10页 |
| ·纤维增强复合材料优化设计方法现状 | 第10-15页 |
| ·分级优化 | 第10-15页 |
| ·优化算法 | 第15-19页 |
| ·本课题的研究内容 | 第19-21页 |
| 第2章 复合材料层合板力学及设计基础 | 第21-32页 |
| ·本章引论 | 第21页 |
| ·复合材料的分类及性能特点 | 第21页 |
| ·复合材料力学基本理论 | 第21-29页 |
| ·复合材料力学基本假设 | 第21-22页 |
| ·具有弹性对称性的几种典型情况 | 第22页 |
| ·纤维增强复合材料的刚度 | 第22-28页 |
| ·复合材料层合板的强度理论 | 第28-29页 |
| ·复合材料的有限元分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 记忆功能遗传算法 | 第32-41页 |
| ·本章引论 | 第32页 |
| ·遗传代码 | 第32-33页 |
| ·修复算子 | 第33-34页 |
| ·改进的交叉算子 | 第34-36页 |
| ·单点交叉 | 第34-35页 |
| ·多点交叉 | 第35页 |
| ·均匀交叉 | 第35页 |
| ·混合交叉 | 第35-36页 |
| ·适应度函数 | 第36-38页 |
| ·外罚函数法 | 第36-37页 |
| ·内点法 | 第37-38页 |
| ·记忆功能 | 第38-39页 |
| ·其他算子 | 第39页 |
| ·实现流程 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 径向基神经网络 | 第41-48页 |
| ·本章引论 | 第41页 |
| ·神经网络的定义 | 第41-42页 |
| ·训练神经网络 | 第42-44页 |
| ·神经网络在复合材料领域的运用 | 第44页 |
| ·神经网络的评价 | 第44-45页 |
| ·RBF 和 EBF | 第45-47页 |
| ·RBF 和 EBF 简介 | 第45页 |
| ·Isight 中实现原理 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 多约束松弛二级优化算法 | 第48-59页 |
| ·本章引论 | 第48页 |
| ·问题的描述 | 第48-49页 |
| ·尺寸级优化（子级优化） | 第49页 |
| ·纤维铺层级优化（子级优化） | 第49-50页 |
| ·松弛系数的优化（系统级优化） | 第50-52页 |
| ·单约束松弛分级优化算法 | 第52页 |
| ·多约束松弛分级优化算法 | 第52-53页 |
| ·序列二次规划法 | 第53-56页 |
| ·拉丁超立方抽样 | 第56-58页 |
| ·标准拉丁超立方抽样 | 第56-57页 |
| ·消除伪相关 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 数值算例 | 第59-80页 |
| ·本章引论 | 第59页 |
| ·单约束松弛算例 | 第59-64页 |
| ·优化模型 | 第60页 |
| ·基于 Isight 集成优化 | 第60-61页 |
| ·结果和讨论 | 第61-63页 |
| ·记忆功能有效性证明 | 第63-64页 |
| ·多约束松弛算例 1 | 第64-71页 |
| ·问题的描述 | 第64页 |
| ·优化模型 | 第64-65页 |
| ·基于 Isight 集成优化 | 第65-71页 |
| ·优化结果 | 第71页 |
| ·多约束松弛算例 2 | 第71-77页 |
| ·问题的描述 | 第71-72页 |
| ·优化模型 | 第72-73页 |
| ·基于 Isight 集成优化 | 第73-77页 |
| ·优化结果 | 第77页 |
| ·讨论 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第7章 结论 | 第80-82页 |
| ·主要结论 | 第80页 |
| ·后续研究工作 | 第80-82页 |
| 参考文献 | 第82-89页 |
| 致谢 | 第89-91页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第91页 |
