| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 电磁传感器励磁结构优化技术研究现状 | 第10-11页 |
| 1.2.2 人工神经网络建模技术研究现状 | 第11-13页 |
| 1.3 本文的主要内容及组织结构 | 第13-14页 |
| 第2章 基于有限元的电磁传感器励磁结构仿真分析 | 第14-32页 |
| 2.1 电磁传感器励磁结构有限元模型构建 | 第14-21页 |
| 2.1.1 电磁传感器测量理论 | 第14-16页 |
| 2.1.2 电磁传感器励磁结构物理模型 | 第16-18页 |
| 2.1.3 电磁传感器励磁结构仿真模型 | 第18-20页 |
| 2.1.4 电磁传感器励磁结构评价指标 | 第20-21页 |
| 2.2 电磁传感器磁芯高度变化有限元仿真分析 | 第21-26页 |
| 2.2.1 电磁传感器磁芯高度为 4mm的磁场仿真 | 第22-24页 |
| 2.2.2 电磁传感器磁芯高度为 12mm的磁场仿真 | 第24-26页 |
| 2.3 电磁传感器线圈粗细变化有限元仿真分析 | 第26-31页 |
| 2.3.1 电磁传感器线圈粗细为 3mm磁场仿真 | 第26-29页 |
| 2.3.2 电磁传感器线圈粗细为 5mm磁场仿真 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于神经网络的电磁传感器励磁结构模型构建 | 第32-43页 |
| 3.1 基于RBF神经网络拟合非线性模型的基本思想 | 第32-37页 |
| 3.1.1 RBF神经网络的组成和结构 | 第32-34页 |
| 3.1.2 使用RBF神经网络拟合非线性模型的方法 | 第34-37页 |
| 3.2 基于RBF神经网络的电磁传感器励磁结构模型 | 第37-42页 |
| 3.2.1 磁场的变异系数模型 | 第37-40页 |
| 3.2.2 磁场的平均磁场强度模型 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 基于布谷鸟算法的电磁传感器励磁结构优化设计 | 第43-57页 |
| 4.1 基于布谷鸟算法的电磁传感器励磁结构优化设计的基本思想 | 第43-49页 |
| 4.1.1 布谷鸟搜索算法模型 | 第44-45页 |
| 4.1.2 布谷鸟算法流程 | 第45-46页 |
| 4.1.3 算法测试 | 第46-49页 |
| 4.2 基于布谷鸟算法的电磁传感器励磁结构优化设计的实现步骤 | 第49-53页 |
| 4.2.1 使用布谷鸟算法解决优化问题的步骤 | 第49-51页 |
| 4.2.2 使用CS算法求解电磁传感器的最优励磁结构 | 第51-53页 |
| 4.3 电磁传感器励磁结构优化设计结果分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
