基于遗传算法和BP神经网络的可展开天线的控制
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·伞状可展开天线介绍 | 第10-11页 |
| ·对可展开天线的分析研究 | 第11-12页 |
| ·可展开天线的控制问题 | 第12-14页 |
| ·本文的主要工作 | 第14-17页 |
| 第二章 可展开天线模型的建立及其动力响应分析 | 第17-27页 |
| ·可展开天线的最简物理模型 | 第17-18页 |
| ·多柔体动力学概述 | 第18-20页 |
| ·可展开天线的动力学模型 | 第20页 |
| ·动力晌应的计算和分析 | 第20-25页 |
| ·计算方法概述 | 第20-21页 |
| ·纽马克法 | 第21-22页 |
| ·动力响应计算 | 第22-23页 |
| ·动力响应曲线分析 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 神经网络与遗传算法基本理论 | 第27-47页 |
| ·人工神经网络 | 第27-32页 |
| ·基本理论 | 第27-28页 |
| ·神经网络学习算法 | 第28-32页 |
| ·遗传算法的基本理论 | 第32-45页 |
| ·基本思想 | 第32-33页 |
| ·遗传算法的特点与优势 | 第33-35页 |
| ·基本遗传算法的设计与实现 | 第35-38页 |
| ·遗传算法的常用的改进实现技术与方法 | 第38-44页 |
| ·遗传算法的数学理论 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 可展开天线的系统辩识 | 第47-63页 |
| ·系统辩识基本概念 | 第47-49页 |
| ·完全神经网络结合遗传算法的系统辩识 | 第49-55页 |
| ·确定网络的结构 | 第49页 |
| ·染色体编码，确定染色体长度和结构 | 第49-50页 |
| ·数据处理 | 第50页 |
| ·产生初始种群 | 第50页 |
| ·适应度计算 | 第50-53页 |
| ·遗传操作策略 | 第53页 |
| ·产生新一代种群 | 第53-54页 |
| ·参数选择原则 | 第54页 |
| ·解码及效果比较 | 第54-55页 |
| ·神经网络的分解组合 | 第55-59页 |
| ·基本概念 | 第55页 |
| ·算例 | 第55-58页 |
| ·分解组合的意义 | 第58-59页 |
| ·分解神经网络遗传算法的系统辨识 | 第59-60页 |
| ·分解网络 | 第59页 |
| ·遗传算法实现 | 第59-60页 |
| ·本章小节 | 第60-63页 |
| 第五章 可展开天线的控制系统设计 | 第63-73页 |
| ·神经网络控制概述 | 第63-64页 |
| ·天线控制系统设计 | 第64-69页 |
| ·控制任务与要求 | 第64-65页 |
| ·神经网络预测优化控制 | 第65-66页 |
| ·控制系统设计 | 第66-69页 |
| ·系统仿真及分析 | 第69-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 在读期间研究成果 | 第81页 |
