基于改进GARBFNN的水泵全特性预测及其软件开发
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题来源及研究意义 | 第11-12页 |
| ·国内外研究现状及发展 | 第12-14页 |
| ·主要研究内容及意义 | 第14-16页 |
| 第二章 水泵性能参数 | 第16-30页 |
| ·水泵常规参数及含义 | 第16页 |
| ·水泵相似理论 | 第16-21页 |
| ·泵输系统的流动相似条件 | 第17-18页 |
| ·水泵相似换算公式 | 第18-21页 |
| ·相对参数和单位参数 | 第21-22页 |
| ·相对参数 | 第21-22页 |
| ·单位参数 | 第22页 |
| ·水泵的比转速 | 第22-27页 |
| ·比转速的定义 | 第22-24页 |
| ·比转速的计算 | 第24-27页 |
| ·水泵特性参数及特性曲线 | 第27-29页 |
| ·水泵特性参数 | 第27页 |
| ·水泵特性曲线 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 水泵全特性预测理论 | 第30-45页 |
| ·常用的两种泵特性曲线 | 第30-33页 |
| ·水泵四象限特性曲线 | 第31页 |
| ·水泵全面特性曲线 | 第31-33页 |
| ·水泵特性的曲线表示方法 | 第33-38页 |
| ·α-q坐标与q-h坐标水泵全特性曲线 | 第34-35页 |
| ·X～WH及X～WB坐标水泵全面特性曲线 | 第35-38页 |
| ·水泵通用全面特性曲线 | 第38页 |
| ·水泵全特性曲线预测理论及方法 | 第38-44页 |
| ·水泵全特性与比转速的关系 | 第38-40页 |
| ·水泵参数预测方法 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 神经网络理论及应用 | 第45-56页 |
| ·人工神经网络 | 第45-51页 |
| ·人工神经网络 | 第45-46页 |
| ·神经元理论模型 | 第46-49页 |
| ·神经网络结构 | 第49-50页 |
| ·神经网络的学习过程 | 第50-51页 |
| ·神经网络与感知器 | 第51-52页 |
| ·各种神经网络模型及比较 | 第52-55页 |
| ·常见的神经网络模型 | 第52-54页 |
| ·神经网络的特征 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 改进遗传算法的RBFNN预测水泵全特性 | 第56-70页 |
| ·径向基函数神经网络 | 第57-60页 |
| ·RBF网络结构 | 第57-58页 |
| ·RBFNN学习算法 | 第58-60页 |
| ·遗传算法 | 第60-63页 |
| ·遗传算法概述 | 第60页 |
| ·遗传算法实现过程 | 第60-63页 |
| ·改进遗传算法的径向基函数网络 | 第63-69页 |
| ·自适应遗传算法 | 第63-64页 |
| ·改进遗传算法的RBFNN模型提出 | 第64-65页 |
| ·网络参数有关计算 | 第65-67页 |
| ·改进遗传算法的RBFNN预测水泵全特性参数 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 水泵特性参数预测软件开发与工程应用 | 第70-90页 |
| ·预测软件开发 | 第70-80页 |
| ·MATLAB介绍 | 第70-71页 |
| ·MATLAB神经网络工具箱 | 第71-73页 |
| ·程序开发平台、算法流程图及软件界面 | 第73-77页 |
| ·软件运行结果 | 第77-80页 |
| ·结果分析 | 第80-85页 |
| ·工程应用 | 第85-89页 |
| ·本章小结 | 第89-90页 |
| 总结与展望 | 第90-92页 |
| 总结 | 第90-91页 |
| 展望 | 第91-92页 |
| 参考文献 | 第92-95页 |
| 附录 | 第95-107页 |
| 攻读硕士学位期间所做的研究及取得学术成果 | 第107-108页 |
| 致谢 | 第108页 |
