| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 论文的背景和意义 | 第11-13页 |
| 1.1.1 论文的背景 | 第11-12页 |
| 1.1.2 论文的意义 | 第12-13页 |
| 1.2 国内外风洞控制的现状及发展 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14页 |
| 1.4 取得的成果 | 第14-15页 |
| 第2章 暂冲式风洞马赫数数学建模 | 第15-29页 |
| 2.1 暂冲式风洞马赫数介绍 | 第15-17页 |
| 2.1.1 马赫数的影响因素 | 第15-16页 |
| 2.1.2 风洞马赫数控制方式 | 第16-17页 |
| 2.2 风洞传递函数模型的建立 | 第17-27页 |
| 2.2.1 数学建模的方法 | 第17-19页 |
| 2.2.2 暂冲式风洞马赫数数学模型的建立 | 第19-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 遗传算法理论及其实现方法 | 第29-41页 |
| 3.1 遗传算法的产生、发展及基本原理 | 第29-30页 |
| 3.1.1 遗传算法的产生 | 第29页 |
| 3.1.2 遗传算法的发展 | 第29-30页 |
| 3.1.3 遗传算法的基本原理 | 第30页 |
| 3.2 遗传算法的特点 | 第30-32页 |
| 3.3 基于遗传算法的应用 | 第32-33页 |
| 3.4 遗传算法的基本实现方法 | 第33-39页 |
| 3.4.1 遗传算法的基本操作 | 第33-34页 |
| 3.4.2 编码 | 第34-35页 |
| 3.4.3 适应度函数 | 第35-36页 |
| 3.4.4 遗传算子 | 第36-39页 |
| 3.5 遗传算法的具体运算流程 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 BP神经网络的PID控制及其实现方法 | 第41-61页 |
| 4.1 人工神经网络的基本原理及模型 | 第41-45页 |
| 4.1.1 人工神经网络的发展 | 第41-43页 |
| 4.1.2 神经网络的模型 | 第43-45页 |
| 4.1.3 神经网络在控制领域的发展趋势 | 第45页 |
| 4.2 BP神经网络 | 第45-50页 |
| 4.2.1 BP神经网络的结构 | 第46页 |
| 4.2.2 BP学习算法 | 第46-50页 |
| 4.3 基于BP神经网络的PID控制 | 第50-60页 |
| 4.3.1 PID控制器原理及其离散差分方程 | 第50-53页 |
| 4.3.2 PID参数自整定方法 | 第53-54页 |
| 4.3.3 基于BP神经网络的PID控制参数整定 | 第54-59页 |
| 4.3.4 算法流程 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 基于遗传算法优化BP神经网络及风洞马赫数控制仿真 | 第61-79页 |
| 5.1 遗传算法与BP神经网络的结合 | 第61-63页 |
| 5.1.1 GA-BP神经网络的优化策略 | 第61-62页 |
| 5.1.2 GA确立神经网络结构 | 第62-63页 |
| 5.2 GA-BP优化初始权值具体步骤 | 第63-66页 |
| 5.2.1 编码设计 | 第63页 |
| 5.2.2 适应度函数的确定 | 第63-64页 |
| 5.2.3 种群的初始化 | 第64页 |
| 5.2.4 遗传算子的设计 | 第64-66页 |
| 5.2.5 GA-BP神经网络的运行流程 | 第66页 |
| 5.3 优化BP神经网络的马赫数PID控制实现方法 | 第66-67页 |
| 5.4 风洞马赫数仿真运行结果与分析 | 第67-78页 |
| 5.5 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85页 |