| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 引言 | 第12-28页 |
| 1.1 研究背景 | 第12-16页 |
| 1.2 国内外发展现状 | 第16-24页 |
| 1.2.1 材料设计中性能预测研究现状 | 第16-22页 |
| 1.2.2 极限学习机以及模拟退火算法的研究现状 | 第22-24页 |
| 1.3 本文主要研究内容 | 第24-25页 |
| 1.3.1 主要研究内容 | 第24-25页 |
| 1.3.2 拟解决的关键问题 | 第25页 |
| 1.4 论文组织结构 | 第25-28页 |
| 第二章 材料力学性能、极限学习机及模拟退火算法概述 | 第28-46页 |
| 2.1 材料力学性能 | 第28-30页 |
| 2.2 极限学习机 | 第30-39页 |
| 2.2.1 传统极限学习机 | 第30-32页 |
| 2.2.2 隐节点递增极限学习机 | 第32-37页 |
| 2.2.3 隐节点递减型ELM算法 | 第37页 |
| 2.2.4 自适应调整节点型ELM算法 | 第37-39页 |
| 2.3 模拟退火算法 | 第39-43页 |
| 2.3.1 传统模拟退火算法 | 第40-41页 |
| 2.3.2 非常快速模拟退火算法 | 第41-42页 |
| 2.3.3 改进的非常快速模拟退火算法 | 第42-43页 |
| 2.4 本章小结 | 第43-46页 |
| 第三章 改进型极限学习机的聚变堆结构材料性能预测方法研究 | 第46-56页 |
| 3.1 基于改进型快速模拟退火和极限学习机的性能预测方法设计 | 第46-47页 |
| 3.1.1 MVFSA-ELM算法设计原理 | 第46-47页 |
| 3.1.2 MVFSA-ELM算法步骤 | 第47页 |
| 3.2 MVFSA-ELM算法验证 | 第47-49页 |
| 3.2.1 数据集选取 | 第47-48页 |
| 3.2.2 参数选择 | 第48-49页 |
| 3.3 聚变堆结构材料性能预测算法在IN-RAFM中的应用 | 第49-53页 |
| 3.3.1 IN-RAFM钢性能数据预处理 | 第49-51页 |
| 3.3.2 预测结果分析 | 第51-53页 |
| 3.4 本章小结 | 第53-56页 |
| 第四章 基于大数据集的聚变堆结构材料性能预测方法研究 | 第56-66页 |
| 4.1 优化的MVFSA-ELM算法 | 第56-59页 |
| 4.1.1 算法的优化对象 | 第56页 |
| 4.1.2 算法的优化思路 | 第56-58页 |
| 4.1.3 算法步骤 | 第58-59页 |
| 4.2 算法验证 | 第59-61页 |
| 4.2.1 数据选择 | 第59-60页 |
| 4.2.2 参数选择 | 第60-61页 |
| 4.3 NMVFSA-ELM在EUROFER97辐照硬化预测上的应用 | 第61-64页 |
| 4.3.1 EUROFER97辐照硬化性能数据预处理 | 第61-64页 |
| 4.3.2 预测结果分析与验证 | 第64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 核反应堆材料在线性能预测系统设计及应用 | 第66-82页 |
| 5.1 系统设计 | 第67-71页 |
| 5.1.1 设计目标和原则 | 第67页 |
| 5.1.2 数据来源 | 第67-70页 |
| 5.1.3 设计需求 | 第70页 |
| 5.1.4 系统架构设计 | 第70-71页 |
| 5.2 系统实现 | 第71-74页 |
| 5.2.1 系统总体工作流程 | 第71-72页 |
| 5.2.2 核心功能模块实现 | 第72-74页 |
| 5.3 系统应用 | 第74-80页 |
| 5.3.1 数据预处理 | 第74-75页 |
| 5.3.2 性能预测 | 第75-80页 |
| 5.3.3 结果讨论分析 | 第80页 |
| 5.4 本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-86页 |
| 6.1 工作总结 | 第82-84页 |
| 6.2 本文创新点 | 第84页 |
| 6.3 未来展望 | 第84-86页 |
| 参考文献 | 第86-96页 |
| 在读期间发表的论文信息 | 第96-98页 |
| 在读期间参与的项目 | 第98-100页 |
| 致谢 | 第100-101页 |
