| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| §1.1 飞行器气动优化设计 | 第7-9页 |
| §1.2 人工神经网络的发展与应用 | 第9-10页 |
| §1.3 本文的研究内容 | 第10-13页 |
| 第二章 神经网络理论 | 第13-37页 |
| §2.1 生物神经网络 | 第13-14页 |
| §2.2 人工神经网络模型 | 第14-19页 |
| §2.2.1 MP模型 | 第14页 |
| §2.2.2 一般神经元模型 | 第14-16页 |
| §2.2.3 常用的激活函数 | 第16-17页 |
| §2.2.4 神经网络的分类 | 第17页 |
| §2.2.5 学习规则 | 第17-19页 |
| §2.3 BP神经网络的算法 | 第19-25页 |
| §2.4 BP网络特性分析 | 第25-37页 |
| §2.4.1 网络结构对神经网络性能的影响 | 第26-32页 |
| §2.4.2 样本量对神经网络性能的影响 | 第32-34页 |
| §2.4.3 多维问题的应用 | 第34-37页 |
| 第三章 流场求解方法 | 第37-47页 |
| §3.1 引言 | 第37页 |
| §3.2 控制方程 | 第37-39页 |
| §3.3 空间离散方法 | 第39-43页 |
| §3.3.1 有限体积法 | 第39-40页 |
| §3.3.2 人工粘性 | 第40页 |
| §3.3.3 边界条件 | 第40-43页 |
| §3.4 时间推进方法 | 第43-45页 |
| §3.4.1 五步Runge-Kutta方法 | 第43-44页 |
| §3.4.2 加速收敛措施 | 第44-45页 |
| §3.5 湍流模型 | 第45-47页 |
| 第四章 优化搜索算法 | 第47-57页 |
| §4.1 优化搜索算法 | 第47-48页 |
| §4.2 遗传算法的基本原理 | 第48-51页 |
| §4.2.1 模式定理 | 第49-50页 |
| §4.2.2 积木块假设 | 第50-51页 |
| §4.2.3 收敛性 | 第51页 |
| §4.2.4 隐蚱行悱 | 第51页 |
| §4.3 遗传算法的优化机理及基本模型 | 第51-57页 |
| §4.3.1 优化机理 | 第51-52页 |
| §4.3.2 遗传算法基本模型 | 第52-57页 |
| 第五章 翼型气动优化设计方法 | 第57-71页 |
| §5.1 翼型参数化 | 第57-60页 |
| §5.2 翼型气动优化设计方法 | 第60-63页 |
| §5.3 算例及结果分析 | 第63-71页 |
| §5.3.1 以NACA0012翼型为基准翼型的气动优化设计 | 第63-66页 |
| §5.3.2 以RAE2822翼型为基准翼型的气动优化设计 | 第66-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士期间发表的论文 | 第79-80页 |