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 |