| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 机构创新设计 | 第11-12页 |
| 1.2 机构结构综合 | 第12-13页 |
| 1.3 计算机辅助创新设计 | 第13-16页 |
| 1.3.1 经验型机构创新设计方法 | 第13页 |
| 1.3.2 智能化计算机辅助机构创新设计方法 | 第13-15页 |
| 1.3.3 机构创新设计方法分析与比较 | 第15-16页 |
| 1.4 机构运动链同构识别的研究现状 | 第16-22页 |
| 1.4.1 基于特征多项式的同构识别 | 第17-19页 |
| 1.4.2 基于编码的同构识别 | 第19-20页 |
| 1.4.3 基于哈明串的同构识别 | 第20页 |
| 1.4.4 基于特征值和特征向量的同构识别 | 第20-21页 |
| 1.4.5 基于智能优化算法的同构识别 | 第21页 |
| 1.4.6 其他同构识别方法 | 第21-22页 |
| 1.5 本文研究内容及意义 | 第22-24页 |
| 1.5.1 主要研究内容 | 第22-23页 |
| 1.5.2 研究意义 | 第23-24页 |
| 第二章 机构运动链同构判定理论研究 | 第24-30页 |
| 2.1 图论基本理论 | 第24-25页 |
| 2.1.1 图的基本概念 | 第24-25页 |
| 2.1.2 图同构的概念 | 第25页 |
| 2.2 机构运动链的拓扑图 | 第25-27页 |
| 2.3 运动链拓扑图的矩阵表示 | 第27-28页 |
| 2.4 机构运动链同构判定准则 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于Hopfield神经网络的机构运动链同构识别 | 第30-45页 |
| 3.1 Hopfield神经网络概述 | 第30-31页 |
| 3.2 Hopfield神经网络模型 | 第31-36页 |
| 3.2.1 离散型Hopfield神经网络 | 第31-33页 |
| 3.2.2 连续型Hopfield神经网络 | 第33-36页 |
| 3.3 机构运动链同构识别的Hopfield神经网络模型 | 第36-38页 |
| 3.3.1 神经元矩阵和解空间的表示 | 第36页 |
| 3.3.2 能量函数的构造 | 第36-37页 |
| 3.3.3 网络状态方程 | 第37-38页 |
| 3.3.4 算法流程 | 第38页 |
| 3.4 仿真实验与结果分析 | 第38-44页 |
| 3.4.1 网络参数的选择 | 第38-39页 |
| 3.4.2 网络状态的初始化 | 第39页 |
| 3.4.3 网络稳定状态 | 第39页 |
| 3.4.4 仿真结果与分析 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于遗传Hopfield神经网络的机构运动链同构识别 | 第45-57页 |
| 4.1 遗传算法概述 | 第45页 |
| 4.2 遗传算法特点 | 第45-46页 |
| 4.3 基本遗传算法 | 第46-50页 |
| 4.3.1 编码技术 | 第47-48页 |
| 4.3.2 群体设定 | 第48页 |
| 4.3.3 适应度函数 | 第48-49页 |
| 4.3.4 遗传操作 | 第49-50页 |
| 4.3.5 遗传算法的收敛性 | 第50页 |
| 4.4 机构运动链同构识别的遗传Hopfield神经网络模型 | 第50-55页 |
| 4.4.1 Hopfield网络初始状态的遗传优化 | 第51-55页 |
| 4.4.2 算法流程 | 第55页 |
| 4.5 仿真实验与结果分析 | 第55-56页 |
| 4.5.1 遗传参数设置 | 第55页 |
| 4.5.2 仿真结果与分析 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 在学期间发表的学术论文及其他科研成果 | 第65页 |
