| 致谢 | 第1-8页 |
| 中文摘要 | 第8-10页 |
| 外文摘要 | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| 1．1 研究背景 | 第12-13页 |
| 1．2 研究状况 | 第13-14页 |
| 1．3 研究内容与意义 | 第14-17页 |
| 1．3．1 研究目标 | 第14-15页 |
| 1．3．2 研究意义 | 第15页 |
| 1．3．3 研究路线 | 第15-17页 |
| 第二章 联合收获机械脱粒装置简介 | 第17-29页 |
| 2．1 引言 | 第17-18页 |
| 2．2 脱粒装置 | 第18-24页 |
| 2．2．1 脱粒装置的技术要求 | 第18页 |
| 2．2．2 脱粒装置的种类 | 第18-24页 |
| 2．3 谷粒脱离穗轴原理 | 第24页 |
| 2．4 脱粒性能与其影响因子之间的关系 | 第24-27页 |
| 2．4．1 脱粒装置的性能指标 | 第24-25页 |
| 2．4．2 影响脱粒性能的因素 | 第25页 |
| 2．4．3 影响因素与各性能指标之间的关系 | 第25-27页 |
| 2．5 目前研究脱粒装置性能的常用方法 | 第27-29页 |
| 2．5．1 单因素试验法 | 第28页 |
| 2．5．2 正交试验法 | 第28页 |
| 2．5．3 方差分析与回归分析 | 第28页 |
| 2．5．4 优化脱粒装置性能模型的新方法——基于改进的BP神经网络 | 第28-29页 |
| 第三章 神经网络与遗传算法理论基础 | 第29-52页 |
| 3．1 神经元网络 | 第29-36页 |
| 3．1．1 人工神经元 | 第29-31页 |
| 3．1．2 人工神经网络的结构与特征 | 第31-33页 |
| 3．1．3 神经网络的学习规则 | 第33-35页 |
| 3．1．4 几种典型神经网络简介 | 第35-36页 |
| 3．2 BP神经网络 | 第36-46页 |
| 3．2．1 BP网的拓扑结构 | 第36-37页 |
| 3．2．2 误差逆传播算法 | 第37-41页 |
| 3．2．3 BP网的学习过程 | 第41-45页 |
| 3．2．4 BP网的固有缺陷以及改进方法 | 第45-46页 |
| 3．3 遗传算法 | 第46-52页 |
| 3．3．1 遗传算法简介 | 第46-48页 |
| 3．3．2 遗传算法的基本特征与要素 | 第48-51页 |
| 3．3．3 遗传算法的理论基础 | 第51-52页 |
| 第四章 基于GA与BP相结合算法的神经网络用于对脱粒装置性能进行建模的研究 | 第52-72页 |
| 4．1 引言 | 第52-53页 |
| 4．1．1 联合收获机械脱粒装置系统分析 | 第52页 |
| 4．1．2 BP神经网络模型选用 | 第52-53页 |
| 4．2 基于GA与BP相结合算法的提出 | 第53-56页 |
| 4．2．1 BP网络的概述 | 第53-54页 |
| 4．2．2 遗传算法的简介 | 第54页 |
| 4．2．3 基于GA与BP相结合算法的可行性分析 | 第54-56页 |
| 4．3 用于对脱粒装置性能模型进行优化的基于GA-BP算法神经网络的设计 | 第56-72页 |
| 4．3．1 基于GA-BP算法的神经网络结构 | 第56-57页 |
| 4．3．2 基于GA与BP相结合的算法分析 | 第57-62页 |
| 4．3．3 基于GA-BP算法神经网络的实现 | 第62-72页 |
| 第五章 基于GA-BP算法的神经网络模型的仿真以及该模型的仿真试验 | 第72-96页 |
| 5．1 基于GA-BP算法的神经网络仿真 | 第72-84页 |
| 5．1．1 模型仿真软件的功能介绍 | 第72-76页 |
| 5．1．2 GA-BP神经网络模型仿真软件的数据结构 | 第76-78页 |
| 5．1．3 GA-BP神经网络模型仿真软件的主要函数与过程 | 第78-84页 |
| 5．2 模型仿真软件对一具体脱粒装置进行建模的仿真试验 | 第84-92页 |
| 5．2．1 脱粒装置的性能试验数据 | 第84-87页 |
| 5．2．2 原始试验数据处理以及对该装置进行建模仿真 | 第87-92页 |
| 5．3 模型评价 | 第92-96页 |
| 第六章 结论以及进一步建议 | 第96-98页 |
| 6．1 结论 | 第96-97页 |
| 6．2 进一步研究建议 | 第97-98页 |
| 参考文献 | 第98-102页 |
| 作者简介 | 第102页 |
