| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题研究的背景和意义 | 第7页 |
| ·课题目前研究状况 | 第7-11页 |
| ·电热化学炮概况 | 第7-8页 |
| ·关于等离子体与火药相互作用的研究情况 | 第8-9页 |
| ·密闭爆发器测试技术 | 第9-10页 |
| ·非线性系统辨识的发展 | 第10-11页 |
| ·神经网络在非线性系统辨识中的应用 | 第11页 |
| ·本课题研究的主要内容和重点 | 第11-12页 |
| ·本章小节 | 第12-13页 |
| 2 基于神经网络的非线性系统辨识理论 | 第13-27页 |
| ·非线性系统辨识 | 第13-16页 |
| ·系统辨识的概念和方法 | 第13-14页 |
| ·非线性系统辨识的步骤 | 第14-16页 |
| ·神经网络概述 | 第16-19页 |
| ·神经元模型 | 第16-17页 |
| ·神经网络拓扑结构 | 第17-18页 |
| ·网络的学习规则 | 第18-19页 |
| ·BP神经网络 | 第19-26页 |
| ·BP网络的模型 | 第19-20页 |
| ·BP网络的经典算法及改进算法 | 第20-24页 |
| ·LM(Levenberg-Marquardt)法 | 第24-25页 |
| ·多层前向网络的函数逼近能力 | 第25页 |
| ·BP网络的设计分析 | 第25-26页 |
| ·本章小节 | 第26-27页 |
| 3 小波神经网络 | 第27-39页 |
| ·引言 | 第27页 |
| ·小波分析理论 | 第27-34页 |
| ·小波的定义 | 第27-29页 |
| ·小波变换 | 第29-30页 |
| ·Mallat算法与小波框架 | 第30-32页 |
| ·分辨率分析与尺度函数 | 第32-34页 |
| ·小波神经网络 | 第34-37页 |
| ·小波神经网络的结构形式 | 第34-35页 |
| ·小波神经网络的分类及逼近能力 | 第35-37页 |
| ·小波神经网络和BP网络、RBF网络的比较 | 第37页 |
| ·本章小结 | 第37-39页 |
| 4 压力预测模型的建立 | 第39-55页 |
| ·数据的分析与预处理 | 第39-45页 |
| ·压力信号的特点 | 第39-40页 |
| ·数据的除噪处理 | 第40-43页 |
| ·数据的归一化处理 | 第43-44页 |
| ·训练样本的选取 | 第44-45页 |
| ·基于神经网络的压力预测模型的建立 | 第45-54页 |
| ·小波函数的选择 | 第45-46页 |
| ·小波基函数个数的确定 | 第46页 |
| ·小波神经网络的学习算法 | 第46-48页 |
| ·建立压力信号的预测模型 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 5 火药燃速模型的研究 | 第55-62页 |
| ·燃速计算模型 | 第55-57页 |
| ·燃速的小波神经网络模型 | 第57-61页 |
| ·本章小节 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| ·本文总结 | 第62页 |
| ·进一步工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-69页 |