首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于改进量子粒子群算法的运载火箭弹道优化

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-16页
    1.1 论文研究背景与研究意义第9-10页
    1.2 国内外研究现状第10-15页
        1.2.1 经典弹道优化方法第11-13页
        1.2.2 现代智能优化方法第13-14页
        1.2.3 算法研究总结第14-15页
    1.3 本文结构及内容概要第15-16页
第2章 运载火箭弹道理论基础第16-24页
    2.1 运载火箭飞行程序第16-20页
        2.1.1 飞行程序概述第16页
        2.1.2 飞行程序分析第16-18页
        2.1.3 飞行程序角基本原则第18-20页
    2.2 飞行程序优化设计一般方法第20-23页
        2.2.1 随机方向法的原理第20-21页
        2.2.2 目标函数第21-22页
        2.2.3 优化自变量的选取第22页
        2.2.4 约束条件处理第22-23页
    2.3 本章小结第23-24页
第3章 运载火箭弹道优化建模第24-35页
    3.1 运载火箭弹道优化模型第24-27页
        3.1.1 优化设计变量第24页
        3.1.2 约束条件第24-26页
        3.1.3 目标函数第26-27页
        3.1.4 适应度函数第27页
    3.2 近似模型方法第27-32页
        3.2.1 Kriging方法概述第27-28页
        3.2.2 Kriging基本模型第28-29页
        3.2.3 Kriging预测模型第29-31页
        3.2.4 Kriging方法核函数参数优化第31-32页
    3.3 基于Kriging方法的弹道近似模型第32-34页
        3.3.1 实验分析方法第32页
        3.3.2 Kriging建模及精度分析第32-34页
    3.4 本章小结第34-35页
第4章 量子粒子群算法及改进研究第35-52页
    4.1 粒子群算法第35-39页
        4.1.1 基本粒子群算法第35-37页
        4.1.2 标准粒子群算法第37-38页
        4.1.3 粒子群算法性能分析第38-39页
    4.2 量子粒子群算法第39-43页
        4.2.1 量子粒子群算法简介第39页
        4.2.2 量子粒子群算法基本原理第39-41页
        4.2.3 量子粒子群算法流程第41-43页
    4.3 量子粒子群算法改进研究第43-46页
        4.3.1 基于模拟退火的量子粒子群算法第43-44页
        4.3.2 SimQPSO算法流程第44-45页
        4.3.3 SimQPSO算法分析第45-46页
    4.4 算法测试仿真第46-51页
        4.4.1 测试函数及算法参数设置第46-47页
        4.4.2 算例仿真结果第47-50页
        4.4.3 结果分析第50-51页
    4.5 本章小结第51-52页
第5章 弹道优化仿真及结果分析第52-60页
    5.1 运载火箭弹道优化框架第52-53页
        5.1.1 建模与优化步骤第52-53页
        5.1.2 弹道优化框架第53页
    5.2 运载火箭弹道优化仿真与分析第53-59页
        5.2.1 运载能力优化仿真与分析第54-56页
        5.2.2 三级一次工作时间优化仿真与分析第56-58页
        5.2.3 最优设计变量模型精度检验第58-59页
    5.3 优化结果分析第59页
    5.4 本章小结第59-60页
第6章 总结与展望第60-62页
    6.1 全文总结第60-61页
    6.2 后续工作展望第61-62页
参考文献第62-65页
致谢第65-66页
附录A第66页

论文共66页,点击 下载论文
上一篇:双热沉微型热泵系统的实验研究
下一篇:飞机防滑刹车系统控制器的设计及仿真研究