航空发动机智能优化控制
| 第一章绪论 | 第1-15页 |
| ·生物信息处理系统简介 | 第10-11页 |
| ·基于生物信息处理机制的优化方法 | 第11-12页 |
| ·航空发动机控制现状 | 第12-13页 |
| ·研究内容 | 第13-15页 |
| 第二章基于免疫反馈机制的航空发动机控制 | 第15-23页 |
| ·引言 | 第15-16页 |
| ·基于免疫反馈机制的PID 控制系统 | 第16-19页 |
| ·生物免疫反馈调节机理 | 第16-17页 |
| ·基于免疫反馈机制的PID 控制系统 | 第17-19页 |
| ·航空发动机控制仿真 | 第19-22页 |
| ·稳态转速阶跃仿真 | 第19-20页 |
| ·航空发动机免疫反馈PID 多变量控制 | 第20-22页 |
| ·结论 | 第22-23页 |
| 第三章遗传算法优化的航空发动机控制 | 第23-33页 |
| ·引言 | 第23页 |
| ·遗传算法简介 | 第23-25页 |
| ·遗传算法的历史 | 第23-24页 |
| ·遗传算法的基本概念 | 第24-25页 |
| ·遗传算法的思想 | 第25页 |
| ·遗传算法优化的航空发动机转速控制 | 第25-27页 |
| ·航空发动机转速控制器设计 | 第25-26页 |
| ·遗传算法操作 | 第26-27页 |
| ·航空发动机控制仿真结果 | 第27-32页 |
| ·结论 | 第32-33页 |
| 第四章混合智能优化航空发动机控制 | 第33-48页 |
| ·引言 | 第33页 |
| ·人工神经网络 | 第33-38页 |
| ·关于人工神经网络 | 第33-34页 |
| ·人工神经网络结构 | 第34-35页 |
| ·人工神经网络特点与应用 | 第35-36页 |
| ·BP 神经网络 | 第36-37页 |
| ·RBF 神经网络原理 | 第37-38页 |
| ·混合智能优化航空发动机控制系统的设计 | 第38-39页 |
| ·遗传算法优化参数初始值 | 第39-40页 |
| ·参数编码 | 第39页 |
| ·遗传操作 | 第39-40页 |
| ·适应度函数的设计 | 第40页 |
| ·终止条件 | 第40页 |
| ·基于BP 神经网络的参数在线调整 | 第40-42页 |
| ·BP 网络和学习算法 | 第40-41页 |
| ·BP 网络在线学习步骤 | 第41页 |
| ·PID 参数的在线调整 | 第41-42页 |
| ·RBF 神经网络辨识参数 | 第42-43页 |
| ·仿真结果 | 第43-47页 |
| ·结论 | 第47-48页 |
| 第五章 基于遗传算法的变结构神经网络发动机控制 | 第48-73页 |
| ·引言 | 第48-49页 |
| ·遗传算法与神经网络的结合 | 第49-52页 |
| ·问题的提出 | 第49-50页 |
| ·遗传算法与神经网络结合方式 | 第50页 |
| ·遗传算法与神经网络结合的现状 | 第50-51页 |
| ·本文采用的结合方式 | 第51-52页 |
| ·GANN 系统的总体设计 | 第52-53页 |
| ·面向神经网络结构进化的遗传编码 | 第53-56页 |
| ·基本结构编码的相关定义 | 第53-55页 |
| ·基本结构编码的理论 | 第55-56页 |
| ·变结构神经网络设计模块 | 第56-59页 |
| ·神经网络结构编码译码 | 第56页 |
| ·汉明交叉 | 第56-58页 |
| ·进化操作 | 第58-59页 |
| ·变结构神经网络训练模块 | 第59-63页 |
| ·神经网络控制器结构 | 第59页 |
| ·ＢＰ神经网络能量函数与学习算法 | 第59-61页 |
| ·适应度函数的设计 | 第61-63页 |
| ·基于GANN 系统的航空发动机控制仿真 | 第63-71页 |
| ·仿真总体思路与流程 | 第63-64页 |
| ·仿真程序细节说明 | 第64-65页 |
| ·仿真结果 | 第65-71页 |
| ·结论 | 第71-73页 |
| 第六章总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间的研究成果 | 第79页 |
