| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-24页 |
| ·前言 | 第11页 |
| ·太阳能喷射式制冷简介 | 第11-14页 |
| ·喷射器研究及应用状况和进展 | 第14-17页 |
| ·神经网络研究进展及其应用 | 第17-19页 |
| ·课题目的、研究内容及意义 | 第19-21页 |
| 参考文献 | 第21-24页 |
| 第二章 喷射器的基本理论和实验研究 | 第24-36页 |
| ·喷射器的设计计算的基本理论 | 第24-25页 |
| ·喷射器的实验研究 | 第25-30页 |
| ·实验数据处理 | 第30-31页 |
| ·实验结果与讨论 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 参考文献 | 第35-36页 |
| 第三章 用于喷射器性能预测的神经网络模型 | 第36-57页 |
| ·人工神经网络模型 | 第36-41页 |
| ·神经网络常用学习方法 | 第41-46页 |
| ·神经网络设计 | 第46-50页 |
| ·小波神经网络 | 第50-53页 |
| ·神经网络预测喷射器性能的一般方法 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 参考文献 | 第56-57页 |
| 第四章 神经网络优化学习方法探索 | 第57-71页 |
| ·改进BP算法 | 第57-59页 |
| ·元启发式算法 | 第59-60页 |
| ·蚁群算法 | 第60-64页 |
| ·CACS算法和ACO_R算法 | 第64-68页 |
| ·一个例子 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 参考文献 | 第70-71页 |
| 第五章 喷射器性能预测与优化 | 第71-85页 |
| ·神经网络隐含层神经元个数优化 | 第71-73页 |
| ·用基于蚁群优化算法的神经网络预测喷射器性能 | 第73-78页 |
| ·喷射器性能优化 | 第78-83页 |
| ·本章小结 | 第83-84页 |
| 参考文献 | 第84-85页 |
| 第六章 结论与展望 | 第85-87页 |
| ·结论 | 第85页 |
| ·创新点 | 第85-86页 |
| ·展望 | 第86-87页 |
| 附录 A 喷射器实验数据 | 第87-127页 |
| 附录 B GAUSS1小波神经网络预测结果(S=6) | 第127-129页 |
| 附录 C MORLET小波神经网络预测结果(S=90) | 第129-134页 |
| 附录 D 部分程序代码 | 第134-137页 |
| 攻读硕士学位期间发表学术论文情况 | 第137-138页 |
| 致谢 | 第138页 |