| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11-18页 |
| ·碳纤维生产工艺 | 第12-16页 |
| ·碳纤维纺丝过程的建模与优化 | 第16-18页 |
| ·论文的研究内容和创新点 | 第18-20页 |
| ·论文的章节安排 | 第20-21页 |
| 第二章 协同建模与多目标优化技术综述 | 第21-41页 |
| ·引言 | 第21-22页 |
| ·协同优化建模 | 第22-23页 |
| ·多目标优化问题 | 第23-40页 |
| ·数学模型 | 第24页 |
| ·结果评价 | 第24-25页 |
| ·研究内容 | 第25-26页 |
| ·传统优化技术 | 第26-28页 |
| ·智能优化技术 | 第28-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于协同免疫克隆选择算法的碳纤维牵伸比分配优化 | 第41-58页 |
| ·引言 | 第41页 |
| ·背景及相关工作 | 第41-44页 |
| ·碳纤维原丝牵伸过程的牵伸比分配 | 第44-46页 |
| ·基于SICSA的牵伸比分配优化 | 第46-50页 |
| ·仿真结果与分析 | 第50-57页 |
| ·实验数据与模型 | 第50-54页 |
| ·SICSA优化结果 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于父代保留免疫遗传算法的碳纤维预氧丝性能预测 | 第58-67页 |
| ·引言 | 第58页 |
| ·FKIGA-BP神经网络碳纤维预氧丝性能预测模型架构 | 第58-62页 |
| ·BP神经网络 | 第59-61页 |
| ·免疫遗传算法 | 第61页 |
| ·父代保留策略 | 第61-62页 |
| ·FKIGA-BP神经网络碳纤维预氧丝的性能预测模型 | 第62-63页 |
| ·仿真结果与分析 | 第63-66页 |
| ·实验数据与模型 | 第63-64页 |
| ·预测结果分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 基于遗传-加强粒子群混合算法的碳纤维纺丝过程双向优化 | 第67-99页 |
| ·引言 | 第67-68页 |
| ·背景及相关工作 | 第68-69页 |
| ·碳纤维纺丝生产过程及其双向优化模型架构 | 第69-71页 |
| ·基于遗传-加强粒子群混合算法的神经网络双向优化模型 | 第71-81页 |
| ·径向基函数神经网络 | 第71-75页 |
| ·GA-IPSO混合算法 | 第75-81页 |
| ·仿真结果与分析 | 第81-97页 |
| ·数据准备 | 第81-83页 |
| ·性能预测 | 第83-88页 |
| ·新型碳纤维生产方案设计器 | 第88-97页 |
| ·本章小结 | 第97-99页 |
| 第六章 总结与展望 | 第99-102页 |
| ·总结 | 第99-100页 |
| ·展望 | 第100-102页 |
| 参考文献 | 第102-120页 |
| 致谢 | 第120-121页 |
| 附录A 攻读博士学位期间取得的学术成果 | 第121-123页 |
| 附录B 攻读博士学位期间所参与的项目 | 第123-124页 |
| 附录C 攻读博士学位期间获得的奖励和荣誉 | 第124页 |
