| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-20页 |
| ·引言 | 第8-9页 |
| ·研究背景 | 第9-18页 |
| ·叶型参数化方法 | 第9-10页 |
| ·叶栅气动性能评估 | 第10-13页 |
| ·最优化方法 | 第13-16页 |
| ·神经网络的发展 | 第16-18页 |
| ·目前压气机叶片自动优化设计研究达到的水平 | 第18页 |
| ·本文的研究工作 | 第18-20页 |
| 第二章 叶型参数化方法 | 第20-27页 |
| ·引言 | 第20页 |
| ·B样条曲线 | 第20-23页 |
| ·B样条的基函数 | 第21页 |
| ·B样条基函数的基本性质 | 第21-23页 |
| ·B样条拟合曲线控制顶点的反算 | 第23-25页 |
| ·B样条拟合曲线节点矢量的确定 | 第23-24页 |
| ·最小二乘曲线拟合 | 第24-25页 |
| ·基于非均匀三次B样条曲线的二维叶型参数化 | 第25-26页 |
| ·算例 | 第26-27页 |
| 第三章 叶栅通道内流场的计算 | 第27-46页 |
| ·引言 | 第27页 |
| ·控制方程 | 第27-28页 |
| ·湍流模型 | 第28-30页 |
| ·控制方程的离散 | 第30-33页 |
| ·Navier-Stokes方程的边界条件 | 第33-34页 |
| ·加速技术 | 第34-35页 |
| ·当地时间步长 | 第34页 |
| ·隐式残值光顺 | 第34-35页 |
| ·网格生成技术 | 第35-40页 |
| ·代数生成法 | 第35-36页 |
| ·微分方程法 | 第36-40页 |
| ·算例 | 第40-46页 |
| 第四章 遗传算法及改进策略 | 第46-62页 |
| ·引言 | 第46页 |
| ·遗传算法概述 | 第46页 |
| ·遗传算法的基本概念和运行参数 | 第46-47页 |
| ·遗传算法基本操作和步骤 | 第47-48页 |
| ·遗传算法的实现技术 | 第48-54页 |
| ·编码方法 | 第48-49页 |
| ·适应度函数 | 第49-51页 |
| ·遗传算子 | 第51-52页 |
| ·约束条件的处理方法 | 第52-54页 |
| ·基本遗传算法及改进策略 | 第54-58页 |
| ·基本遗传算法 | 第54页 |
| ·基本遗传算法的缺陷及改进策略 | 第54-58页 |
| ·算例 | 第58-62页 |
| 第五章 人工神经网络理论及其与遗传算法的结合 | 第62-76页 |
| ·引言 | 第62页 |
| ·人工神经网络概述 | 第62页 |
| ·神经网络设计的一般步骤 | 第62-63页 |
| ·神经网络设计的基本要素 | 第63-65页 |
| ·神经元模型 | 第63页 |
| ·网络的拓扑结构 | 第63-64页 |
| ·神经网络的学习算法 | 第64-65页 |
| ·BP前馈神经网络 | 第65-67页 |
| ·BP网络的学习 | 第65-66页 |
| ·BP网络的训练与测试 | 第66-67页 |
| ·神经网络与遗传算法的结合策略 | 第67-69页 |
| ·神经网络回归操作 | 第67-68页 |
| ·遗传算法对神经网络结构的优化 | 第68页 |
| ·遗传算法对神经网络权值的优化 | 第68-69页 |
| ·算例 | 第69-76页 |
| 第六章 基于神经网络与遗传算法的压气机叶栅自动优化设计系统 | 第76-80页 |
| ·引言 | 第76页 |
| ·优化系统介绍 | 第76-80页 |
| 第七章 叶片优化实例 | 第80-86页 |
| ·引言 | 第80页 |
| ·目标函数 | 第80-81页 |
| ·算例 | 第81-86页 |
| 第八章 总结与展望 | 第86-89页 |
| ·总结 | 第86-87页 |
| ·展望 | 第87-89页 |
| 硕士期间发表论文和参加科研情况说明 | 第89-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-95页 |