基于模式识别的舰艇冲击响应谱研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的及意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 冲击环境区域划分研究现状 | 第14-16页 |
| 1.3.2 模式识别研究现状 | 第16-17页 |
| 1.4 论文主要工作与安排 | 第17-19页 |
| 2 舰艇冲击环境分析方法 | 第19-36页 |
| 2.1 引言 | 第19-20页 |
| 2.2 冲击谱概述及理论分析 | 第20-29页 |
| 2.2.1 冲击谱物理模型 | 第20-23页 |
| 2.2.2 冲击谱分类方式 | 第23-24页 |
| 2.2.3 冲击谱求解方法 | 第24-25页 |
| 2.2.4 设计冲击谱原理 | 第25-26页 |
| 2.2.5 冲击谱试验技术 | 第26-29页 |
| 2.3 基于支持向量机的冲击环境预测 | 第29-34页 |
| 2.3.1 支持向量机原理 | 第30-32页 |
| 2.3.2 冲击环境预测分析 | 第32-34页 |
| 2.3.2.1 冲击环境预测模型的建立 | 第32-33页 |
| 2.3.2.2 基于支持向量机的浮台冲击环境预测 | 第33-34页 |
| 2.4 本章小结 | 第34-36页 |
| 3 基于BP神经网络的舰艇设计谱模型的建立 | 第36-55页 |
| 3.1 引言 | 第36页 |
| 3.2 人工神经网络 | 第36-38页 |
| 3.2.1 神经网络原理 | 第36-37页 |
| 3.2.2 神经网络的特点与应用 | 第37-38页 |
| 3.3 BP神经网络 | 第38-41页 |
| 3.4 基于遗传算法优化的BP神经网络设计谱模型 | 第41-54页 |
| 3.4.1 设计谱模型特征参数选取 | 第41-43页 |
| 3.4.2 BP神经网络模型优化 | 第43-45页 |
| 3.4.2.1 模型结构的优化 | 第43-44页 |
| 3.4.2.2 算法的优化 | 第44-45页 |
| 3.4.3 设计谱模型的构建 | 第45-48页 |
| 3.4.4 试验数据准备 | 第48页 |
| 3.4.5 数据有效性分析 | 第48-53页 |
| 3.4.6 网络模型存在的问题及解决方法 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 4 冲击环境区域划分模式识别方法研究 | 第55-80页 |
| 4.1 引言 | 第55-56页 |
| 4.2 模式识别相关理论 | 第56-57页 |
| 4.3 灰色关联度分析及其检验 | 第57-58页 |
| 4.4 冲击环境与设备安装位置灰度关联度分析 | 第58-66页 |
| 4.4.1 冲击环境随纵向位置变化分析 | 第62-64页 |
| 4.4.2 冲击环境随垂向位置变化分析 | 第64-66页 |
| 4.5 基于模式识别的舰艇冲击环境区域划分 | 第66-79页 |
| 4.5.1 自组织映射神经网络 | 第66-68页 |
| 4.5.2 基于SOM的冲击环境区域划分 | 第68-73页 |
| 4.5.2.1 聚类类别数的选取 | 第69-72页 |
| 4.5.2.2 初步聚类划分结果 | 第72-73页 |
| 4.5.3 区域划分结果修正及有效性验证 | 第73-79页 |
| 4.5.3.1 结果修正 | 第73-77页 |
| 4.5.3.2 区域划分结果评价 | 第77-79页 |
| 4.6 本章小结 | 第79-80页 |
| 5 总结与展望 | 第80-82页 |
| 5.1 总结 | 第80页 |
| 5.2 本文创新点 | 第80-81页 |
| 5.3 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间的科研工作和论文发表情况 | 第86-87页 |
| 致谢 | 第87-88页 |
