摘要 | 第6-8页 |
Abstract | 第8-10页 |
第1章 绪论 | 第14-24页 |
1.1 研究背景和意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-21页 |
1.3 论文的主要工作及研究内容 | 第21-24页 |
第2章 基于CFDTD的网格自动剖分方法研究 | 第24-44页 |
2.1 CFDTD的基本原理 | 第24-32页 |
2.2 基于“切片-线”扫描法的共形网格自动剖分方法 | 第32-39页 |
2.2.1 CFDTD的几何建模要素 | 第32-33页 |
2.2.2 三角面元模型文件简介 | 第33-34页 |
2.2.3 共形网格自动剖分流程 | 第34-37页 |
2.2.4 共形网格相对面积的修正 | 第37-39页 |
2.3 共形网格自动剖分方法正确性验证 | 第39-42页 |
2.3.1 渐变开槽天线的小型化设计 | 第39-42页 |
2.3.2 渐变开槽天线的剖分与计算 | 第42页 |
2.4 本章小结 | 第42-44页 |
第3章 Taguchi方法联合BP神经网络的全局优化算法研究 | 第44-67页 |
3.1 Taguchi优化算法和BP神经网络的基本原理 | 第44-49页 |
3.1.1 Taguchi方法的基本原理 | 第44-47页 |
3.1.2 BP神经网络的基本原理 | 第47-49页 |
3.2 Taguchi方法与BP神经网络的结合(BP-based Taguchi) | 第49-53页 |
3.3 BP-based Taguchi算法在天线(阵)优化设计中的应用 | 第53-65页 |
3.4 本章小结 | 第65-67页 |
第4章 基于混合代理模型的新型高效全局优化算法研究 | 第67-79页 |
4.1 EGO算法基本原理 | 第67-69页 |
4.2 基于混合代理模型的高效全局优化算法(HSM-based EGO) | 第69-73页 |
4.2.1 RBF神经网络基本原理 | 第69-71页 |
4.2.2 基于RBF神经网络的密度方程 | 第71-72页 |
4.2.3 HSM-based EGO算法基本流程 | 第72-73页 |
4.3 HSM-based EGO算法有效性验证 | 第73-78页 |
4.4 本章小结 | 第78-79页 |
第5章 反射面型脉冲辐射天线的时域快速设计方法研究 | 第79-100页 |
5.1 馈源轴向辐射脉冲峰值时刻瞬态方向图的计算方法 | 第79-81页 |
5.2 最佳馈源近似辐射中心的选取方法 | 第81页 |
5.3 前馈式反射面型脉冲辐射天线的快速设计 | 第81-89页 |
5.3.1 前馈式反射面型脉冲辐射天线系统结构 | 第82页 |
5.3.2 阻抗渐变式变形TEM喇叭天线馈源 | 第82-84页 |
5.3.3 瞬态边缘照射锥削选取对天线辐射性能的影响 | 第84-88页 |
5.3.4 本文方法和优化算法设计结果的对比 | 第88-89页 |
5.4 卡塞格伦型脉冲辐射天线的快速设计 | 第89-93页 |
5.4.1 卡塞格伦型脉冲辐射天线系统结构 | 第89-90页 |
5.4.2 圆弧式变形TEM喇叭天线馈源 | 第90-91页 |
5.4.3 瞬态边缘照射锥削选取对天线辐射性能的影响 | 第91-93页 |
5.4.4 本文方法和优化算法设计结果的对比 | 第93页 |
5.5 单偏置反射面型脉冲辐射天线的快速设计 | 第93-99页 |
5.5.1 单偏置旋转抛物面脉冲辐射天线系统结构 | 第93-95页 |
5.5.2 四元同轴指数渐变型TEM喇叭阵列馈源 | 第95-97页 |
5.5.3 瞬态边缘照射锥削选取对天线辐射性能的影响 | 第97页 |
5.5.4 本文方法的有效性分析 | 第97-99页 |
5.6 本章小结 | 第99-100页 |
第6章 准格里高利型脉冲辐射天线的设计 | 第100-111页 |
6.1 准格里高利型脉冲辐射天线的基本原理 | 第100-101页 |
6.2 椭球馈源的设计 | 第101-108页 |
6.3 准格里高利型脉冲辐射天线的性能分析 | 第108-109页 |
6.4 本章小结 | 第109-111页 |
第7章 总结与展望 | 第111-114页 |
7.1 本文工作总结 | 第111-112页 |
7.2 研究展望 | 第112-114页 |
致谢 | 第114-115页 |
参考文献 | 第115-126页 |
攻读博士学位期间完成的学术论文 | 第126-128页 |
攻读博士学位期间承担的科研项目 | 第128页 |