| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 主要英文字母缩写表 | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-15页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·对传统推进剂配方优化方法的分析 | 第9-10页 |
| ·神经网络与遗传算法相结合的配方优化方法 | 第10-11页 |
| ·神经网络用于仿真预测 | 第10-11页 |
| ·神经网络与遗传算法相结合的优化方法 | 第11页 |
| ·国内外研究情况 | 第11-13页 |
| ·贫氧烟火推进剂的研究状况 | 第12页 |
| ·神经网络与遗传算法的应用研究状况 | 第12-13页 |
| ·本论文主要研究工作 | 第13-15页 |
| 2 神经网络与遗传算法 | 第15-29页 |
| ·神经网络概述 | 第15-17页 |
| ·几种常用的神经网络模型 | 第17-26页 |
| ·BP神经网络 | 第17-20页 |
| ·广义回归神经网络 | 第20-22页 |
| ·支持向量机 | 第22-26页 |
| ·遗传算法 | 第26-28页 |
| ·遗传算法概述 | 第26页 |
| ·遗传算法求解步骤 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 神经网络训练数据的获取 | 第29-38页 |
| ·基于均匀设计法的配方设计 | 第29-32页 |
| ·均匀设计 | 第29页 |
| ·混合水平的均匀设计 | 第29-30页 |
| ·Mg/PTFE贫氧推进剂实验配方的均匀设计 | 第30-32页 |
| ·Mg/PTFE贫氧推进剂性能测试 | 第32-37页 |
| ·测试仪器 | 第32页 |
| ·测试原理及方法 | 第32-35页 |
| ·Mg/PTFE贫氧推进剂试样的制备 | 第35-36页 |
| ·实验结果 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于神经网络的Mg/PTFE贫氧推进剂性能预测建模 | 第38-49页 |
| ·数据的预处理 | 第38-39页 |
| ·性能预测系统建模 | 第39-48页 |
| ·BP网络的建模及预测 | 第40-44页 |
| ·GRNN网络的建模及预测 | 第44-46页 |
| ·SVM网络的建模及预测 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于神经网络与遗传算法相结合的Mg/PTFE贫氧推进剂配方优化 | 第49-60页 |
| ·遗传算法与神经网络相结合的基本思想 | 第49-50页 |
| ·多目标并行优化 | 第50-51页 |
| ·遗传算法设计及优化问题求解 | 第51-56页 |
| ·配方优化系统可视化用户界面的建立 | 第56-59页 |
| ·系统功能模块分解 | 第56页 |
| ·MATLAB GUI软件设计 | 第56-57页 |
| ·软件功能描述 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 6 优化所得配方的性能研究 | 第60-64页 |
| ·实验仪器和方法 | 第60-63页 |
| ·实验仪器 | 第60页 |
| ·实验原理及方法 | 第60-63页 |
| ·实验结果及分析 | 第63页 |
| ·本章小结 | 第63-64页 |
| 7 结束语 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |