30炮支架结构分析及其优化设计研究
| 1 绪论 | 第1-13页 |
| ·选题背景 | 第7页 |
| ·有限单元法原理 | 第7-8页 |
| ·神经网络在结构优化中的应用及研究现状 | 第8-10页 |
| ·遗传算法在结构优化中的应用及研究现状 | 第10-12页 |
| ·本文的主要工作 | 第12-13页 |
| 2 有限元分析 | 第13-28页 |
| ·支架结构与功能 | 第13-14页 |
| ·用ANSYS进行有限元分析 | 第14-27页 |
| ·ANSYS及APDL简介 | 第14-15页 |
| ·有限元模型 | 第15-17页 |
| ·静态分析 | 第17-19页 |
| ·模态分析 | 第19-22页 |
| ·瞬态分析 | 第22-25页 |
| ·子结构分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 正交试验设计 | 第28-32页 |
| ·正交设计原理 | 第28-29页 |
| ·优化的尺寸变量 | 第29-30页 |
| ·本文优化的正交试验 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 神经网络 | 第32-42页 |
| ·神经网络的基本理论 | 第32-35页 |
| ·生物神经元模型 | 第32-33页 |
| ·人工神经元模型 | 第33-34页 |
| ·人工神经网络模型 | 第34页 |
| ·人工神经网络的特性 | 第34-35页 |
| ·RBF神经网络 | 第35-37页 |
| ·径向基函数网络模型 | 第35-36页 |
| ·基函数的形式 | 第36-37页 |
| ·RBF学习过程 | 第37页 |
| ·RBF神经网络的实现 | 第37-41页 |
| ·用多水平正交表设计RBF神经网络样本 | 第38页 |
| ·用MATLAB建立并训练RBF神经网络 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 5 遗传算法优化 | 第42-60页 |
| ·遗传算法的基本原理 | 第42-43页 |
| ·遗传算法基本操作 | 第43-49页 |
| ·编码方案和初始化 | 第44-45页 |
| ·适应度估计 | 第45页 |
| ·选择 | 第45-46页 |
| ·交叉 | 第46-48页 |
| ·变异 | 第48-49页 |
| ·小生境技术 | 第49-50页 |
| ·Pareto多目标遗传算法 | 第50-55页 |
| ·Pareto解集过滤器 | 第50-52页 |
| ·目标函数及约束的处理 | 第52-53页 |
| ·适应度计算 | 第53页 |
| ·算法流程 | 第53-55页 |
| ·优化结果 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
