| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 主要英文字母缩写表 | 第7-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-21页 |
| ·课题研究背景及意义 | 第11-15页 |
| ·对传统推进剂配方优化方法的分析 | 第15-17页 |
| ·神经网络与遗传算法相结合的配方优化方法 | 第17-19页 |
| ·神经网络用于仿真预测 | 第17-18页 |
| ·神经网络与遗传算法相结合的优化方法 | 第18页 |
| ·神经网络与遗传算法的应用研究状况 | 第18-19页 |
| ·本论文主要研究工作 | 第19-21页 |
| 2 神经网络与遗传算法 | 第21-35页 |
| ·神经网络概述 | 第21-23页 |
| ·几种常用的神经网络模型 | 第23-32页 |
| ·BP神经网络 | 第23-26页 |
| ·广义回归神经网络 | 第26-28页 |
| ·支持向量机 | 第28-32页 |
| ·遗传算法 | 第32-34页 |
| ·遗传算法概述 | 第32页 |
| ·遗传算法求解步骤 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 3 神经网络训练数据的获取 | 第35-44页 |
| ·基于均匀设计法的配方设计 | 第35-38页 |
| ·均匀设计 | 第35页 |
| ·混合水平的均匀设计 | 第35-36页 |
| ·Mg/PTFE贫氧推进剂试验配方的均匀设计 | 第36-38页 |
| ·Mg/PTFE贫氧推进剂性能测试 | 第38-43页 |
| ·测试仪器 | 第38页 |
| ·测试原理及方法 | 第38-41页 |
| ·Mg/PTFE贫氧推进剂试样的制备 | 第41-42页 |
| ·试验结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于神经网络的Mg/PTFE贫氧推进剂性能预测建模 | 第44-71页 |
| ·数据的预处理 | 第44-45页 |
| ·基础配方的理论计算 | 第45-53页 |
| ·热力学参数计算 | 第45-49页 |
| ·动力学参数计算 | 第49-53页 |
| ·Mg/PTFE贫氧烟火推进剂基础配方的性能研究 | 第53-61页 |
| ·不同氧平衡配方的热分解特性 | 第53-55页 |
| ·不同氧平衡配方的燃烧性能 | 第55-57页 |
| ·Mg/PTFE贫氧烟火推进剂的热安定性 | 第57-60页 |
| ·Mg/PTFE贫氧烟火推进剂感度 | 第60-61页 |
| ·性能预测系统建模 | 第61-70页 |
| ·BP网络的建模及预测 | 第61-65页 |
| ·GRNN网络的建模及预测 | 第65-67页 |
| ·SVM网络的建模及预测 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 5 基于神经网络与遗传算法相结合的Mg/PTFE贫氧推进剂配方优化 | 第71-82页 |
| ·遗传算法与神经网络相结合的基本思想 | 第71-72页 |
| ·多目标并行优化 | 第72-73页 |
| ·遗传算法设计及优化问题求解 | 第73-78页 |
| ·配方优化系统可视化用户界面的建立 | 第78-81页 |
| ·系统功能模块分解 | 第78页 |
| ·MATLAB GUIDE软件设计 | 第78-79页 |
| ·软件功能描述 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 6 优化所得配方的性能研究 | 第82-108页 |
| ·模压成型Mg/PTFE贫氧烟火推进剂的影响因素分析 | 第82-88页 |
| ·原材料对燃烧的性能研究 | 第88-92页 |
| ·粘合剂对燃烧的性能影响 | 第92-96页 |
| ·模压压力对燃烧性能的影响 | 第96-99页 |
| ·配方优化试验 | 第99-107页 |
| ·本章小结 | 第107-108页 |
| 7 结束语 | 第108-110页 |
| 致谢 | 第110-111页 |
| 参考文献 | 第111-118页 |
| 攻读博士学位期间发表的论文和取得研究成果 | 第118页 |
